L'intelligence artificielle dans la santé suisse : ce que la pratique tient

Note refondue le 25 mai 2026. Article initialement publié en novembre 2025 — refonte intégrale.

Le secteur de la santé suisse occupe une position singulière dans la conversation publique sur l'IA. À la fois lieu d'attentes très élevées — diagnostic accéléré, médecine personnalisée, recherche transformée — et terrain où la moindre erreur algorithmique a des conséquences que peu d'autres secteurs supportent, il appelle une discipline d'analyse qui résiste aux deux tentations symétriques de l'enthousiasme et de la défiance.

Cette note expose ce que la pratique observable en 2026 permet d'affirmer avec une certaine fermeté, et ce qu'elle laisse en suspens. Elle constitue une amorce avant le Cahier MCVA n°3 dédié à ce secteur, à paraître au premier trimestre 2027.

Trois domaines où la pratique est installée

Trois domaines d'usage de l'IA en santé suisse ont quitté le stade expérimental pour s'installer dans la pratique courante des établissements et des entreprises du secteur.

L'analyse d'imagerie médicale assistée est probablement le domaine le plus mature. En radiologie, en dermatologie, en ophtalmologie, des systèmes d'aide au diagnostic alimentés par modèles d'apprentissage profond sont testés, intégrés ou déployés dans certains contextes hospitaliers et cliniques. Leur statut est celui d'un second avis automatisé : ils signalent au praticien des éléments à examiner, sans se substituer à sa décision clinique. La littérature scientifique disponible documente des performances élevées sur certaines tâches précises de détection. Cette performance vaut sur les tâches mesurées, dans les conditions des études, et ne s'extrapole pas mécaniquement à toute pratique clinique.

La gestion administrative constitue le second domaine où l'usage est désormais routinier. Transcription des consultations en comptes-rendus structurés, attribution des codes diagnostiques, optimisation des plannings hospitaliers et des ressources : ces tâches répétitives, à fort volume, à faible créativité, sont absorbées par des systèmes alimentés par modèles génératifs sans risque clinique direct. Le gain de temps libéré pour le médecin et le personnel soignant est l'argument économique le plus solide en faveur de l'adoption.

L'aide à la décision en recherche clinique constitue le troisième domaine installé, principalement dans l'industrie pharmaceutique et dans les centres de recherche universitaires. Analyse de la littérature scientifique à grande échelle, identification de candidats pour les essais cliniques sur la base des dossiers patients anonymisés, accélération du screening de molécules : ces usages opèrent à un niveau où l'erreur ponctuelle est absorbée par le processus de validation scientifique en aval.

Le cadre réglementaire qui structure la pratique

L'IA en santé en Suisse opère sous un cadre réglementaire dense, qui combine plusieurs sources d'obligations.

La Loi fédérale sur la protection des données (LPD), entrée en vigueur dans sa version révisée le 1ᵉʳ septembre 2023, classe les données de santé comme des données sensibles soumises à un niveau de protection renforcé^[1]. Toute utilisation de modèles d'IA qui traite des données patients exige soit un consentement explicite, soit une anonymisation irréversible documentée, soit une base légale spécifique. La LPD encadre les décisions individuelles automatisées et impose des obligations d'information dans les cas concernés.

Le Règlement européen sur l'intelligence artificielle (EU AI Act), entré en application progressive depuis 2024, classe les dispositifs médicaux intégrant de l'IA comme systèmes à haut risque, soumis à des exigences renforcées de documentation technique, d'évaluation de conformité, de gestion du risque et de surveillance post-commercialisation^[2]. Les entreprises suisses qui exportent vers l'Union européenne ou qui adressent un marché européen doivent intégrer ce cadre dans leur cycle de développement.

Swissmedic, l'autorité suisse de régulation des produits thérapeutiques, harmonise progressivement ses exigences avec les standards internationaux, en préservant les spécificités du système de santé suisse. Les dispositifs médicaux intégrant de l'IA doivent satisfaire les procédures de conformité applicables avant mise sur le marché ; Swissmedic intervient notamment dans la surveillance du marché^[3].

Le résultat de ces trois couches réglementaires est un environnement plus exigeant qu'il ne l'était il y a cinq ans, mais aussi plus prévisible. Les acteurs qui anticipent la conformité dès le cadrage produisent des dispositifs effectivement déployables. Ceux qui traitent la conformité comme un obstacle de fin de projet rencontrent des coûts de rattrapage substantiels.

La question de la souveraineté des données

L'IA en santé soulève une question stratégique propre aux institutions suisses : où sont stockées les données patients, et sous quel droit ? Les systèmes alimentés par modèles génératifs hébergés sur des clouds américains peuvent soulever des questions de droit applicable et d'accès extraterritorial aux données, ce qui peut entrer en tension avec les exigences de protection des données suisses.

Plusieurs réponses opérationnelles sont disponibles. L'hébergement chez des fournisseurs sous résidence Suisse, qui se sont multipliés depuis 2020, constitue la première. Le déploiement de modèles open weights sur infrastructure contrôlée, désormais possible pour des modèles de taille raisonnable atteignant des performances utiles, constitue la seconde. Le federated learning, qui entraîne des modèles sans centraliser les données — chaque institution conserve ses données localement, seuls les paramètres du modèle circulent — constitue la troisième, encore plus marginale en pratique mais activement explorée par plusieurs hôpitaux universitaires suisses.

Aucune de ces réponses n'est universellement supérieure. Chacune a des coûts, des limitations de performance, des exigences techniques propres. Le choix relève d'une qualification du risque par cas d'usage et par type de données traitées.

Trois points de vigilance qui ne se résolvent pas par la technique

Au-delà des usages installés, trois points de vigilance traversent la pratique de l'IA en santé suisse, et aucun ne se résout par une amélioration purement technique du modèle.

Le biais algorithmique continue d'affecter les modèles entraînés sur des données historiques qui sous-représentent certaines populations. Cette limitation est connue et documentée depuis plusieurs années. Sa correction passe par la diversification des données d'entraînement, la validation systématique sur des sous-populations, et la transparence du périmètre de validité d'un modèle déployé.

La responsabilité médicale en cas d'erreur algorithmique reste juridiquement en construction. La position majoritaire dans le droit suisse maintient que le médecin demeure le décisionnaire final et conserve la responsabilité clinique. L'IA est un outil d'aide, pas un décideur autonome. Cette position est confortable pour le praticien expérimenté qui sait quand suivre et quand ignorer une recommandation algorithmique ; elle pèse sur le praticien qui ne dispose pas du temps ou de l'expertise nécessaires pour exercer ce jugement.

La confiance du patient dans des décisions médicales partiellement alimentées par modèle est un sujet qui dépasse la conformité réglementaire. Elle se construit sur la transparence — information du patient quand l'IA intervient dans son parcours de soins — et sur la qualité globale de la relation soignant-soigné, qui reste irréductible à toute amélioration algorithmique.

Ce que cette note ne prétend pas faire

Cette note n'épuise pas le sujet. Le Cahier MCVA n°3, en cours de préparation pour le premier trimestre 2027, traitera plus en profondeur les implications stratégiques pour les hôpitaux, les assureurs maladie, l'industrie pharmaceutique et les PME medtech. Il s'appuiera sur une production d'observations spécifique et sur la coordination avec un co-auteur du secteur santé identifié à cet effet.

La pratique de l'IA en santé suisse ne se mesure pas seulement aux promesses qu'elle tient en laboratoire ou aux risques qu'elle agite dans les commentaires. Elle se mesure à la rigueur des cadres réglementaires qu'elle respecte, à la solidité des conditions de déploiement qu'elle établit, et à la patience avec laquelle elle s'installe dans des institutions où l'erreur coûte cher.

Sources

[1] Loi fédérale sur la protection des données (LPD), révision du 25 septembre 2020, entrée en vigueur le 1ᵉʳ septembre 2023. www.fedlex.admin.ch/eli/cc/2022/491/fr [↩]

[2] Parlement européen, EU AI Act: first regulation on artificial intelligence. www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligen [↩]

[3] Swissmedic, Aperçu des dispositifs médicaux. www.swissmedic.ch/swissmedic/en/home/medical-devices/overview-medical-devices.html [↩]

Jérôme Deshaie est CEO de MCVA Consulting SA, cabinet suisse de conseil stratégique en intelligence artificielle, basé en Valais.