L’adoption de l’AI dans le secteur de la santé s’est accélérée rapidement. Les établissements intègrent l’AI dans les flux de travail administratifs, opérationnels et cliniques, ce qui accentue le besoin de bases de données pouvant soutenir ces technologies de façon sécuritaire et à grande échelle. L’AI générative (GenAI) s’inscrit toujours dans ce contexte, notamment pour la documentation, la synthèse et la communication avec les patients, en parallèle avec les capacités prédictives et autres fonctions AI.

Le changement est déjà visible dans la pratique clinique. L’enquête 2026 de l’American Medical Association (AMA) révèle que 81 % des médecins utilisent l’AI dans leur pratique, soit plus du double du taux rapporté en 2023 (38 %).

Avec la progression de l’adoption, le défi pour les prestataires de soins de santé est de plus en plus celui de la préparation : savoir si leurs données sont accessibles, interopérables, bien gérées et suffisamment fiables pour soutenir l’AI dans les flux de travail réels.

L’adoption de l’AI s’intègre au quotidien dans le secteur de la santé

Les prestataires de soins de santé passent de l’expérimentation isolée au déploiement opérationnel. Les observations d’HCLTech lors du HIMSS 2026 montrent également que les organisations de santé évoluent des projets pilotes vers une adoption à grande échelle de l’AI, avec la gouvernance, l’interopérabilité et la cybersécurité qui façonneront la prochaine phase.

L’adoption continue de varier selon l’organisation, le flux de travail et le niveau de risque clinique. Les applications administratives comme la documentation et la synthèse progressent rapidement, tandis que les cas d’utilisation clinique à risque élevé nécessitent une validation, une gouvernance et une supervision humaine renforcées.

À travers ce spectre, la préparation des données demeure essentielle. L’AI ne peut générer d’informations fiables si l’information sous-jacente est fragmentée, inaccessible ou mal gérée.

Modernisation des données : la base critique pour l’AI

Un défi clé auquel font face les organismes de soins de santé pour déployer l’AI à grande échelle est la modernisation de l’infrastructure de données qui la soutient.

« De nombreux prestataires fonctionnent encore avec des systèmes patrimoniaux qui ne sont pas adaptés aux exigences de l’AI. Ces systèmes stockent souvent les données dans des silos, ce qui complique l’accès et l’utilisation pour les applications AI. Par conséquent, les organisations misent de plus en plus sur la modernisation des données pour garantir que leur information soit prête pour l’AI », indique Dr. Sandesh Prabhu, chef mondial des pratiques en sciences de la vie et soins de santé chez HCLTech.

La modernisation des données dépasse le simple transfert d’informations des systèmes patrimoniaux vers de nouvelles plateformes. Les établissements doivent améliorer la qualité, l’interopérabilité, la gouvernance et l’accès aux données afin de permettre une circulation sécurisée de l’information dans les flux cliniques et opérationnels.

Plusieurs priorités sont au cœur de ces efforts :

• Gouvernance et qualité des données : Établir une propriété claire, des contrôles qualité et une gouvernance pour s’assurer de la fiabilité, de la traçabilité et de la pertinence des données cliniques et opérationnelles pour l’utilisation AI 
• Éliminer les silos de données : Connecter les données des systèmes de dossiers médicaux électroniques (DME), de l’imagerie, des laboratoires et des plateformes opérationnelles afin que les cliniciens et applications AI puissent accéder au contexte nécessaire 
• Modernisation des plateformes de données et interopérabilité : Développer une architecture évolutive des données et une intégration basée sur les normes pour permettre un transfert sécurisé de l’information à travers les systèmes et les flux de travail 

L’importance de ces bases est de plus en plus reconnue. Le rapport 2026 de l’OCDE sur la mise à l’échelle de l’AI en santé identifie la fragmentation des bases de données comme un obstacle majeur et souligne que les données de santé doivent être trouvables, accessibles, interopérables et réutilisables. Ce rapport décrit également une infrastructure technique sécurisée, interopérable et adaptative comme une pierre angulaire du déploiement de l’AI à grande échelle.

La valeur globale de la modernisation numérique s’étend aussi à la prestation des soins. En 2025, l’Institut McKinsey Health soulignait que l’usage croissant des technologies numériques dans le secteur de la santé permet une compréhension plus globale de la santé individuelle et populationnelle, ce qui peut favoriser des diagnostics plus précis, des traitements opportuns et des soins personnalisés. 

L’AI en santé : de l’efficacité à l’impact sur les patients et les cliniciens

Alors que les organisations de soins de santé élargissent leur recours à l’AI, les établissements doivent évaluer les applications en fonction de leurs exigences de données, du risque clinique et des résultats mesurables. L’efficacité opérationnelle demeure importante, mais la valeur inclut de plus en plus l’expérience des cliniciens, l’accès des patients et la qualité des soins.

Parmi les cas d’utilisation courants :

• Efficacité opérationnelle : Automatisation des processus administratifs comme la planification, la facturation et la gestion de la chaîne d’approvisionnement 
• Flux de travail des cliniciens : Soutien à la documentation, à la synthèse des dossiers et aux tâches contribuant à la charge administrative 
• Soutien à la décision clinique : Analyse de l’information patient et mise en évidence d’informations pertinentes à l’attention des cliniciens 
• Navigation et éducation du patient : Aider les patients à s’orienter dans les services, à prendre des rendez-vous et à accéder à des informations éducatives appropriées 

La réduction du fardeau documentaire pour les cliniciens est un secteur où l’AI commence à démontrer une valeur mesurable. Une étude JAMA Network Open 2026 menée auprès de 1 547 cliniciens a révélé que l’utilisation d’AI ambiante était associée à des améliorations modérées de la productivité et de l’efficacité, notamment une réduction du temps consacré à la prise de notes et une baisse soutenue de la documentation après les heures de travail.

L’expérience patient repose sur la même base de données. Permettre aux cliniciens de consulter de l’information pertinente et fiable au point de service peut appuyer des décisions mieux éclairées et des interactions plus personnalisées. L’AI peut contribuer à mettre en avant cette information, mais son utilité dépend de la qualité, de l’exhaustivité et du contexte des données sous-jacentes.

Instaurer la confiance dans les données et l’AI

La confiance est essentielle dans l’AI appliquée à la santé, car tout système AI dépend des données. Les prestataires doivent avoir l’assurance de l’origine des données, de leur exactitude, de leur représentativité, de la manière dont elles sont protégées et de la validation des résultats produits par l’AI.

Une utilisation responsable de l’AI doit couvrir tout le cycle de vie des données et de l’AI, depuis la collecte et la gouvernance jusqu’au déploiement et au suivi continu.

Les principales priorités incluent :

• Gouvernance et reddition de comptes : Définir clairement la propriété des données, des modèles AI et des décisions appuyées par l’AI 
• Protection de la vie privée et sécurité : Protéger les renseignements sensibles des patients grâce à des contrôles adaptés tout au long du cycle de vie des données 
• Validation clinique et transparence : Offrir aux cliniciens une visibilité adéquate sur les performances des outils et les points nécessitant une supervision humaine 
• Suivi continu : Surveiller la performance, les biais, la sécurité et la qualité des données à mesure que les modèles et les environnements cliniques évoluent 

Les préoccupations liées à la confiance demeurent importantes, même avec la progression de l’adoption. Selon l’enquête 2026 de l’AMA, 86 % des médecins identifient la confidentialité des données et 88 % la validation rigoureuse de la sécurité et de l’efficacité comme critiques pour une adoption plus large de l’AI. L’enquête révèle également que 85 % souhaitent être consultés ou directement impliqués dans les décisions concernant l’adoption de l’AI.

Préparation à l’AI : le besoin d’éducation et de formation

Les seules fondations technologiques et de données ne suffisent pas. À mesure que l’AI s’intègre davantage à la prestation des soins, la littératie AI devient une compétence centrale pour les effectifs.

Les organismes de santé doivent aider les cliniciens, les équipes opérationnelles et les dirigeants à comprendre le fonctionnement de l’AI, là où elle ajoute de la valeur et où ses limites exigent le jugement humain.

Parmi les étapes clés :

• Développer des programmes de littératie AI : Proposer des formations adaptées à chaque rôle pour les équipes techniques, les cliniciens et d’autres employés 
• Implication des cliniciens et des dirigeants : Impliquer ceux qui utiliseront l’AI dans la sélection, l’évaluation et la gouvernance des nouveaux outils 
• Apprentissage continu : Garder les équipes à jour à mesure que les capacités AI, les exigences de gouvernance et les preuves cliniques évoluent 

Développer ce savoir en parallèle avec des bases de données modernes aide les établissements à intégrer l’AI dans les flux de travail, sans dissocier les décisions technologiques des environnements cliniques et opérationnels où elles seront appliquées.

Le rôle des partenaires stratégiques dans les données et l’adoption de l’AI en santé

Les partenaires stratégiques peuvent aider les organismes de santé à naviguer entre la modernisation des données, la mise en œuvre et la gouvernance de l’AI.

Chez HCLTech, nous accompagnons les organismes de santé tout au long du parcours de transformation des données et de l’AI :

• Modernisation des données : Accompagnement des organismes de santé dans la modernisation de leur infrastructure de données pour les rendre prêtes pour l’AI
• Consultation en AI : Appui dans la sélection des cas d’usage pertinents, l’élaboration de la stratégie AI et l’identification des fournisseurs adaptés
• Fourniture d’environnements sandbox : Création d’environnements sécurisés permettant aux organismes de santé de tester des solutions AI avant un déploiement à grande échelle

« Les organismes de soins recherchent de plus en plus des partenaires pouvant offrir des solutions AI de bout en bout, de la modernisation des données à la mise en œuvre et à la gouvernance », note Prabhu.

Bâtir les bases de l’AI en santé

La prochaine étape de l’AI en santé dépend des fondations : des données modernes et interopérables, une gouvernance solide, des flux de travail fiables et une main-d’œuvre apte à utiliser l’AI de façon responsable. Les établissements qui relient ces piliers à des résultats cliniques et opérationnels mesurables seront mieux positionnés pour mettre l’AI à l’échelle, en toute sécurité.

La modernisation des données est au cœur de cette démarche. Elle donne à l’AI accès à un contexte fiable et renforce la confiance grâce à une meilleure gouvernance et traçabilité. Cela aide également les cliniciens à accéder à l’information et à agir au bon moment dans le processus de soins. Le succès doit ultimement se mesurer par de meilleurs résultats pour les patients, une expérience clinicien améliorée et des opérations de santé plus efficaces.