L’intelligence artificielle est en train de passer du discours stratégique à l’intégration réelle dans les dossiers médicaux électroniques. Mais selon une nouvelle enquête de Black Book Research, les organisations de santé ne sont pas encore prêtes à déployer ces technologies à grande échelle de manière sûre, mesurable et gouvernée.
Le sondage AI in the EHR Adoption Readiness Poll, mené auprès de 507 dirigeants de santé, responsables informatiques, leaders en informatique clinique et responsables des opérations médicales au deuxième et troisième trimestre 2026, montre une adoption réelle mais encore immature. Le score moyen de préparation à l’IA dans les EHR atteint 94,9 sur 200, ce qui place le marché dans la catégorie « Emerging ».
Ce résultat indique que l’IA est déjà présente dans les flux de travail cliniques, notamment à travers la documentation ambiante. Toutefois, la gouvernance, la confiance des cliniciens, la formation des équipes, le suivi après déploiement et la validation clinique restent insuffisants pour passer à une adoption d’entreprise pleinement maîtrisée.
L’IA quitte la phase expérimentale
L’un des principaux enseignements de l’étude est que l’IA n’est plus seulement un sujet de conférence ou de stratégie à long terme. Elle entre désormais dans les outils utilisés quotidiennement par les hôpitaux, cliniques et systèmes de santé.
Le dossier médical électronique devient progressivement un point d’ancrage pour l’IA en santé. Les EHR concentrent les données patients, les notes cliniques, les prescriptions, les résultats de laboratoire, les flux opérationnels et les interactions entre professionnels de santé.
Cela en fait un environnement naturel pour intégrer des outils capables d’automatiser certaines tâches, d’assister les cliniciens, de générer des synthèses ou de soutenir la prise de décision.
Mais cette intégration n’est pas simplement technique. Elle exige des processus de contrôle, des règles de validation, une supervision humaine, des indicateurs de performance et une gouvernance institutionnelle.
Le marché reste dans la catégorie « Emerging »
Le score moyen Black Book AI in the EHR Readiness Score s’établit à 94,9 sur 200. Ce score place le marché près du haut de la catégorie « Emerging », qui couvre les organisations ayant commencé l’adoption mais sans maturité complète.
Les scores sont divisés en quatre bandes : Exploring de 0 à 49, Emerging de 50 à 99, Advancing de 100 à 149 et Leading de 150 à 200. Plus de la moitié des répondants, soit 284 sur 507, restent sous le seuil « Advancing ». Seuls 30 répondants, soit 5,9 %, atteignent la catégorie « Leading ».
Cette distribution montre un marché actif, mais encore fragmenté. Beaucoup d’organisations testent ou déploient certains cas d’usage, mais très peu disposent déjà d’un modèle opérationnel robuste pour gérer l’IA comme un actif clinique et stratégique.
Le niveau d’adoption augmente donc plus vite que le niveau de préparation.
La documentation ambiante devient le premier cas d’usage
La documentation ambiante est le domaine qui progresse le plus rapidement. Selon Black Book, 219 répondants, soit 43,2 %, déclarent un déploiement d’entreprise ou un pilote limité. Au total, 343 répondants, soit 67,7 %, sont déjà en production, en pilote ou en évaluation active de l’IA ambiante.
Cette progression s’explique facilement. La documentation clinique est l’un des points de douleur les plus visibles dans les systèmes de santé. Les médecins et soignants passent beaucoup de temps à rédiger, compléter et organiser des notes dans les EHR.
L’IA ambiante promet de réduire cette charge en capturant les échanges cliniques, en générant des brouillons de notes et en structurant les informations pour les dossiers médicaux. Le retour sur investissement est plus facile à comprendre : gain de temps, réduction de la charge administrative, amélioration de l’expérience clinicien et meilleure fluidité des consultations.
C’est pourquoi Black Book décrit la documentation ambiante comme le point d’entrée principal de l’IA dans les EHR.
Pourquoi la documentation ambiante avance plus vite
La documentation ambiante bénéficie d’un profil de risque plus limité que d’autres formes d’IA clinique. Elle ne décide pas directement d’un diagnostic ou d’un traitement. Elle assiste principalement la production de notes, sous supervision humaine.
Cela rend son adoption plus acceptable pour les organisations de santé. Les bénéfices sont concrets, tandis que les risques peuvent être encadrés par la relecture, l’approbation du clinicien et l’intégration dans les flux de travail existants.
En revanche, les outils d’aide à la décision clinique sont plus sensibles. Ils peuvent influencer le diagnostic, le traitement, le triage ou les recommandations de soins. Ils nécessitent donc une validation plus forte, des preuves cliniques, des audits, des garde-fous et une confiance plus élevée des utilisateurs.
La différence entre ces deux catégories explique pourquoi l’IA ambiante avance plus vite que l’IA décisionnelle.
La gouvernance ne suit pas le rythme
Le point faible le plus important concerne la gouvernance. Seuls 92 répondants, soit 18,1 %, franchissent le seuil opérationnel combinant comité de gouvernance, indicateurs d’impact et suivi après déploiement.
Ce chiffre est bas par rapport à la progression de l’intégration technique. Il montre que beaucoup d’organisations peuvent tester ou utiliser l’IA, mais sans disposer d’un cadre complet pour mesurer ses effets, gérer ses risques et assurer sa performance dans le temps.
Or, dans la santé, la gouvernance n’est pas facultative. Une IA qui fonctionne mal peut créer des erreurs de documentation, des biais, des recommandations inadaptées, des problèmes de confidentialité ou une dépendance excessive des utilisateurs.
Le manque de gouvernance peut donc transformer une innovation prometteuse en risque clinique, opérationnel et juridique.
L’infrastructure avance plus vite que le contrôle
L’étude montre que l’infrastructure est plus avancée que la gouvernance. La préparation à l’intégration d’outils IA tiers via API atteint 223 répondants, soit 44,0 %. En revanche, seuls 92 répondants, soit 18,1 %, déclarent un suivi IA après déploiement.
Cette différence est révélatrice. Les organisations de santé peuvent techniquement connecter des solutions d’IA à leurs systèmes, mais elles ne disposent pas toujours des mécanismes nécessaires pour les surveiller une fois qu’elles sont utilisées.
L’intégration API permet de brancher des outils rapidement. Mais la capacité technique ne garantit pas la sécurité, la qualité ou la valeur clinique.
Une adoption durable exige des contrôles continus : surveillance des performances, détection des erreurs, analyse des biais, retour utilisateur, suivi des résultats cliniques et vérification de la responsabilité des fournisseurs.
La confiance des cliniciens reste limitée
L’aide à la décision clinique assistée par IA reste fortement limitée par la confiance. Black Book indique que 81 répondants, soit 16,0 %, ont déployé des outils de clinical decision support assistés par IA. Mais seuls 67 répondants, soit 13,2 %, rapportent une confiance élevée des cliniciens et une action sur les recommandations générées par l’IA.
Cette différence est critique. Déployer un outil ne signifie pas que les cliniciens l’utilisent réellement ou qu’ils lui font confiance.
Dans un environnement médical, les professionnels doivent comprendre pourquoi un système recommande une action, quelles données il utilise, quelles limites il présente et qui reste responsable en cas de problème.
Si les cliniciens perçoivent l’IA comme une boîte noire, une source d’alertes inutiles ou un risque de responsabilité supplémentaire, ils peuvent l’ignorer. L’adoption réelle dépend donc de la confiance, pas seulement de l’installation logicielle.
La formation du personnel reste insuffisante
La préparation des équipes est un autre point faible. La formation formelle à la littératie IA atteint seulement 93 répondants, soit 18,3 %. Les programmes de champions IA concernent 132 répondants, soit 26,0 %. Le suivi séparé de la satisfaction liée à l’IA n’est présent que chez 74 répondants, soit 14,6 %.
Ces chiffres montrent que beaucoup d’organisations adoptent des outils sans préparer pleinement les utilisateurs. Or, l’IA en santé modifie les habitudes de travail. Elle change la manière de documenter, vérifier, décider, communiquer et évaluer les risques.
Sans formation, les utilisateurs peuvent surestimer ou sous-estimer les capacités des outils. Les deux situations sont dangereuses. Une confiance excessive peut mener à une dépendance aveugle. Une méfiance totale peut empêcher l’organisation de capter les bénéfices.
La formation doit donc devenir une composante centrale de tout programme IA dans les EHR.
Les budgets IA progressent, mais restent inégaux
Le financement entre progressivement dans les cycles budgétaires. Selon Black Book, 213 répondants, soit 42,0 %, déclarent disposer d’un financement IA engagé. Mais 176 répondants, soit 34,7 %, dépendent encore d’un financement informel ou au cas par cas.
Cette situation reflète un marché en transition. Les organisations reconnaissent l’importance de l’IA, mais elles n’ont pas toutes établi de budgets structurés, récurrents et alignés sur des objectifs mesurables.
Un financement ad hoc peut permettre de lancer des pilotes. Mais il ne suffit pas pour construire une adoption d’entreprise : gouvernance, intégration, formation, cybersécurité, évaluation clinique, support utilisateur et suivi post-déploiement nécessitent des investissements continus.
Pour passer de l’expérimentation à l’échelle, les systèmes de santé devront traiter l’IA comme une capacité stratégique, pas comme un projet ponctuel.
Le score Black Book mesure plus que l’adoption
Le Black Book AI in the EHR Readiness Score ne mesure pas seulement le nombre d’outils IA utilisés. Il évalue la capacité d’une organisation à passer des pilotes à une adoption maîtrisée.
Le score composite de 200 points couvre six domaines : stratégie et gouvernance IA, documentation ambiante, aide à la décision clinique et IA générative, préparation des équipes et conduite du changement, infrastructure et intégration EHR, tolérance au risque et priorité stratégique.
Cette approche est importante. Une organisation peut avoir plusieurs outils IA actifs tout en restant peu mature si elle n’a pas de gouvernance, de formation, de financement ou de suivi.
La maturité ne se mesure donc pas par la quantité d’expérimentations. Elle se mesure par la capacité à produire de la valeur de manière sûre, répétable et mesurable.
L’EHR devient le centre de contrôle de l’IA médicale
Doug Brown, fondateur de Black Book Market Research, estime que l’EHR devient le « control plane » de l’IA en santé. Cette expression signifie que le dossier médical électronique devient la couche centrale où l’IA est intégrée, pilotée et utilisée.
Cette évolution est logique. Les EHR sont déjà au cœur des opérations cliniques. Ils structurent l’information, les parcours de soins, les commandes, les prescriptions, les notes et les interactions entre équipes.
Si l’IA doit créer une valeur réelle en santé, elle doit s’insérer dans ces flux natifs plutôt que fonctionner comme un outil séparé.
Mais cette centralité augmente aussi les risques. Une erreur dans un outil périphérique peut rester limitée. Une erreur dans un outil intégré à l’EHR peut se propager dans les processus cliniques. Cela rend la gouvernance encore plus importante.
L’adoption durable dépendra du suivi après déploiement
Black Book souligne que l’adoption durable dépendra de plusieurs éléments : intégration native dans les flux de travail, suivi des modèles, validation par spécialité, éducation des cliniciens et responsabilité exécutive.
Le suivi après déploiement est particulièrement important. Les modèles d’IA peuvent se dégrader avec le temps si les données changent, si les pratiques évoluent ou si les comportements utilisateurs s’adaptent.
Dans la santé, cette dérive peut avoir des conséquences sérieuses. Une documentation moins fiable, une recommandation moins pertinente ou une alerte mal calibrée peut affecter la qualité des soins.
Les organisations doivent donc surveiller l’IA après sa mise en service comme elles surveillent d’autres actifs critiques : performance, sécurité, qualité, incidents, satisfaction et résultats.
L’aide clinique reste plus difficile à généraliser
Black Book estime que l’IA clinique restera limitée par plusieurs exigences : preuves, validation par les cliniciens, alignement avec les recommandations médicales, pistes d’audit et protocoles d’escalade.
Ces exigences sont normales. Une IA qui soutient la décision clinique doit être fiable, explicable, vérifiable et adaptée au contexte de soin.
Les systèmes de santé ne peuvent pas simplement déployer un modèle générique et supposer qu’il fonctionnera dans toutes les spécialités, toutes les populations et tous les flux de travail.
La validation par spécialité sera donc essentielle. Un outil utile en médecine générale peut ne pas être adapté à l’oncologie, aux urgences, à la cardiologie ou à la pédiatrie.
L’IA clinique à grande échelle exigera un niveau de rigueur proche de celui d’autres technologies médicales critiques.
Les conseils d’administration doivent exiger des tableaux de bord
Black Book recommande aux conseils d’administration et équipes dirigeantes d’exiger des tableaux de bord valeur-risque pour les investissements IA. Ces tableaux de bord devraient relier les dépenses à des résultats mesurables : gain de temps, qualité, accès aux soins, signaux de sécurité, expérience clinicien, performance financière et responsabilité des fournisseurs.
Cette recommandation est importante car l’IA ne peut plus être gérée uniquement par les équipes innovation ou informatique. Elle devient un actif clinique et opérationnel.
Les dirigeants doivent savoir si les outils créent réellement de la valeur, réduisent la charge de travail, améliorent les résultats ou introduisent de nouveaux risques.
Sans tableaux de bord, l’adoption peut devenir une accumulation de pilotes non coordonnés. Avec des indicateurs clairs, les organisations peuvent décider quels outils méritent d’être étendus, corrigés ou arrêtés.
Un marché post-curiosité, mais pas encore prêt à l’échelle
Black Book conclut que le marché AI-in-EHR est désormais « post-curiosity ». Les organisations ne se demandent plus si l’IA a sa place dans les dossiers médicaux. Elles se demandent comment la gouverner à grande échelle.
Cette phrase résume la transition actuelle. L’intérêt est acquis. Les premiers cas d’usage sont réels. Les budgets commencent à suivre. L’infrastructure progresse.
Mais la maturité opérationnelle reste insuffisante. Gouvernance, confiance, formation, suivi et validation doivent rattraper l’adoption.
Le marché entre donc dans une phase plus sérieuse. Les organisations qui réussiront ne seront pas forcément celles qui testent le plus d’outils, mais celles qui construisent les meilleurs cadres de contrôle.
L’enquête Black Book auprès de 507 leaders du secteur de la santé montre que l’IA est désormais présente dans les dossiers médicaux électroniques, mais que la préparation à l’échelle reste incomplète. La documentation ambiante progresse le plus vite, avec 67,7 % des répondants en production, en pilote ou en évaluation active.
Cependant, seuls 18,1 % disposent du trio essentiel gouvernance, indicateurs d’impact et suivi post-déploiement. La confiance clinique, la formation des équipes et la surveillance des modèles restent des obstacles majeurs.
L’IA a bien commencé à entrer dans les EHR, mais l’enjeu n’est plus simplement l’adoption. Le vrai test sera la capacité des organisations de santé à gouverner l’IA comme un actif clinique et opérationnel : mesurable, surveillé, validé, compris par les cliniciens et responsable devant les patients comme devant les dirigeants.
