Quel est l'apport de l'Intelligence Artificielle (IA) dans la pratique de la téléconsultation ?

Depuis 2020, surtout depuis 2023 après la pandémie Covid19, l'Intelligence Artificielle (IA) se développe rapidement dans le domaine de la santé, en particulier en télésanté.

Nous souhaitons faire un point de ce développement en s'appuyant sur les données scientifiques récentes.

Artificial intelligence and natural language processing for improved telemedicine: Before, during and after remote consultation. Cunha Reis T. Aten Primaria. 2025 Aug;57(8):103228. doi: 10.1016/j.aprim.2025.103228. Epub 2025 Feb 16.PMID: 39955812 

INTRODUCTION

L'intégration de la télémédecine aux systèmes de santé a profondément transformé la dynamique des interactions entre patients et professionnels de santé, améliorant l'accès aux soins tout en répondant aux défis majeurs posés par les consultations traditionnelles en présentiel.

Face à l'évolution du secteur de la santé, le besoin de solutions innovantes pour améliorer l'efficacité et l'engagement des patients a propulsé la télémédecine au premier plan de la pratique médicale, notamment pendant la pandémie de COVID-19, qui a mis en évidence l'utilité cruciale des mécanismes de prestation de soins à distance.

La télémédecine a notamment démontré son potentiel pour réduire les inégalités d'accès aux soins et les disparités en matière de santé, en répondant aux besoins des populations rurales et mal desservies qui rencontrent traditionnellement des obstacles à l'accès aux soins.

L'avènement des technologies d'IA et du TALN (traitement automatique du langage naturel ou NLP) promet d'optimiser les flux de travail en télémédecine, de réduire la charge administrative liée à la documentation, de rationaliser les processus cliniques et d'améliorer la qualité et la sécurité des soins aux patients.

Ces avancées soulignent l'urgence d'un cadre de soins de santé adaptatif intégrant harmonieusement la télémédecine aux technologies de pointe. L'urgence de cette intégration est capitale, car elle est essentielle pour répondre aux divers besoins des patients et des professionnels de santé et garantir l'avenir des soins de santé.

Bien que la télémédecine offre des opportunités sans précédent pour la prise en charge des patients, elle soulève également des défis importants liés à la documentation et à l'efficacité des flux de travail. Les professionnels de santé sont souvent confrontés à la lourdeur de la documentation administrative, ce qui nuit à l'interaction directe avec les patients et a un impact négatif sur les résultats cliniques.

De plus, la variabilité des normes de compte rendu et des exigences en matière de documentation peut engendrer des incohérences et des erreurs compromettant la sécurité des patients et la continuité des soins. Des études indiquent que la majorité des professionnels de santé reconnaissent des lacunes dans leurs compétences numériques, exacerbées par la transition rapide vers la télésanté pendant la pandémie de COVID-19. Les disparités technologiques, notamment parmi les populations défavorisées, menacent l'accès équitable à la télémédecine et créent des obstacles supplémentaires en matière de documentation.

Dans ce contexte, l'intégration des technologies d'IA et de TALN (NLP) apparaît comme une solution potentielle, capable d'automatiser et de rationaliser les processus de documentation. Cependant, l'adoption de ces outils innovants dépend de la prise en compte des considérations éthiques existantes et de la mise en place d'une formation systématique pour toutes les parties prenantes impliquées dans les services de télésanté.

L'IMPACT DE L'IA ET DU TALN DANS LA PRATIQUE DE LA TÉLÉCONSULTATION

L'intelligence artificielle (IA) désigne le développement de systèmes informatiques capables d'effectuer des tâches qui requièrent généralement l'intelligence humaine, telles que l'apprentissage, le raisonnement et la résolution de problèmes.

Dans le domaine de la santé, les algorithmes d'IA peuvent analyser rapidement de vastes quantités de données des patients, révélant des tendances et générant des informations qui ne seraient pas immédiatement évidentes pour les cliniciens.

Le traitement automatique du langage naturel (TALN ou NLP), sous-domaine de l'IA, se concentre sur l'interaction entre les ordinateurs et le langage humain. Il permet l'interprétation et l'analyse de données textuelles non structurées, telles que les notes cliniques et les dossiers médicaux électroniques (DME), facilitant ainsi l'extraction d'informations cliniques pertinentes. En automatisant le traitement de ces informations, le TALN contribue à une documentation plus efficace et améliore la précision des dossiers des patients.

Ces progrès en IA et en TALN accélèrent les tâches routinières et réduisent considérablement l'épuisement professionnel des cliniciens en minimisant la charge administrative liée à la documentation en télémédecine. Cependant, l'intégration réussie de ces technologies dans les systèmes de santé nécessite de relever des défis tels que les enjeux de confidentialité des données et de proposer une formation complète afin de garantir l'accessibilité et l'efficacité de ces outils pour des populations diverses de patients. À terme, l'IA et le TALN sont appelés à devenir de puissants catalyseurs d'innovation en télésanté, en améliorant la prestation des soins et les flux de travail opérationnels, notamment en médecine familiale et en médecine générale.

L'IA AVANT LA TÉLÉCONSULTATION

Avant une téléconsultation, les algorithmes d'IA et de TALN peuvent analyser les données des patients, identifier des tendances et générer des informations qui pourraient échapper aux cliniciens, en fournissant un résumé des informations et de l'état du patient.

Par exemple, une équipe a développé avec succès un modèle pour automatiser l'évaluation du risque de VIH à partir des dossiers médicaux électroniques des patients, en utilisant l'identification de mots-clés, la sélection de variables et la modélisation statistique avec des classificateurs appropriés.

À partir d'informations textuelles non structurées existantes, une autre équipe a développé un outil de détection du risque suicidaire chez les adolescents, sans prétraitement par les cliniciens.

Les modèles de TALN (NLP) ont également été utilisés pour pré-évaluer les facteurs de risque, tels que la néphrite lupique, l'automutilation périnatale ou le délire. Outre le résumé fourni au patient, ces technologies ont permis de réduire considérablement le temps de lecture des documents dans plusieurs spécialités, permettant ainsi aux cliniciens de se concentrer davantage sur la préparation des consultations.

Notamment, dans le cas de la classification du cancer, une équipe a démontré que ces méthodes automatisées contribuent à une extraction rapide et précise des informations contenues dans les dossiers médicaux électroniques. De plus, les auteurs de ce travail ont indiqué que le stade de la maladie peut être déterminé automatiquement dans un délai plus court que les six mois utilisés par les registres du cancer, soit dès les cinq semaines après le diagnostic.

Une autre équipe a développé une solution automatisée pour extraire des informations détaillées des dossiers médicaux électroniques en urologie. Leur approche permet de généraliser le processus de traitement automatique du langage naturel (TALN) à d’autres dossiers médicaux électroniques génito-urinaires et à d’autres types de tumeurs.

Par ailleurs, une équipe a développé un modèle de langage clinique open source de grande envergure, capable de réaliser cinq tâches de TALN cliniques en preconsultation : extraction de concepts cliniques, extraction de relations médicales, similarité textuelle sémantique, inférence en langage naturel et réponse aux questions médicales. Ce modèle réduit considérablement le temps de préparation avant la consultation.

En tirant parti des technologies d’intelligence artificielle et du TALN avant les téléconsultations, les professionnels de santé peuvent optimiser le processus de préparation, ce qui permet des échanges plus éclairés et efficaces avec les patients. Cette approche proactive jette les bases d’une meilleure précision diagnostique et d’une prise en charge personnalisée lors de la consultation. (cf. Tableau partie gauche)

L'IA PENDANT LA TÉLÉCONSULTATION

En raison des contraintes de temps et de la difficulté à évaluer précisément les signaux non verbaux en téléconsultation, les échanges avec les patients sont souvent incomplets. Dans ce contexte, l'IA et le TALN peuvent transformer les consultations médecin-patient.

Des outils innovants permettent l'analyse en temps réel du dialogue du patient, facilitant ainsi l'extraction d'informations médicales essentielles au diagnostic et au traitement. Cette intégration améliore la précision du diagnostic et la communication, le TALN permettant une transcription fluide et une meilleure qualité des comptes rendus. Grâce à des algorithmes avancés, l'IA et le TALN facilitent l'analyse du dialogue en temps réel, permettant aux professionnels de santé d'extraire efficacement les informations pertinentes des interactions visuelles et comportementales du patient.

Une équipe conclue que l'introduction d'un logiciel de transcription à distance a considérablement réduit l'épuisement professionnel des médecins, contribuant ainsi à leur bien-être général.

Les méthodologies d'IA et de TALN (NLP), non seulement rationalisent le flux de travail du médecin en réduisant la charge cognitive liée au traitement de l'information verbale, mais améliorent également la précision globale des évaluations médicales.

En automatisant les tâches routinières telles que la prise de notes et la saisie de données, ces technologies réduisent la charge administrative qui contribue à la fatigue des cliniciens. De plus, au fil des consultations, elles peuvent identifier les mots-clés et expressions révélateurs d'affections ou de préoccupations cliniques spécifiques, enrichissant ainsi considérablement les informations recueillies lors de la consultation.

Les approches basées sur le traitement automatique du langage naturel (TALN) peuvent déceler les sentiments et les indices du patient susceptibles de suggérer des problèmes psychologiques sous-jacents, incitant les médecins à aborder ces aspects de manière plus appropriée, plus empathique et plus complète sur le plan clinique.

Par ailleurs, en intégrant les données cliniques et les recommandations collectées en temps réel dans leurs analyses, ces systèmes d'IA peuvent fournir une aide à la décision, en mettant en évidence les meilleures pratiques ou les pistes de traitement suggérées à partir des informations synthétisées du dialogue.

Récemment, une équipe a présenté un modèle d'IA capable de transcrire, d'extraire et de classer des données non structurées d'appels d'urgence, atteignant une précision remarquable malgré les difficultés liées à la langue et au contexte.

Ainsi, ces fonctionnalités centrées sur l'IA contribuent à des consultations plus efficaces, plus réactives et plus riches en contenu, privilégiant en définitive une prise en charge centrée sur le patient. L'intégration de l'IA et du TALN lors des téléconsultations permet une analyse des données et une aide à la décision en temps réel, garantissant ainsi aux cliniciens des soins précis et rapides tout en réduisant leur charge cognitive. Cette intégration fluide est essentielle au maintien de normes élevées de soins centrés sur le patient en milieu virtuel.(cf.Tableau partie droite)

L'IA APRÈS LA FIN DE LA TÉLÉCONSULTATION

L'intégration de l'IA et du TALN en télémédecine dépasse le cadre des téléconsultations et joue un rôle crucial dans l'amélioration de la qualité des soins prodigués après la consultation virtuelle (cf.tableau ci-dessous).

Aujourd'hui, les technologies basées sur l'IA offrent un potentiel transformateur pour l'automatisation de la documentation, la simplification des flux de travail, l'amélioration de la précision diagnostique et l'optimisation des résultats pour les patients. L'un des avantages les plus immédiats de l'IA et du TALN (NLP) après une téléconsultation est l'automatisation des processus de documentation.

Traditionnellement, les professionnels de santé consacrent un temps considérable aux tâches administratives, notamment la rédaction et la mise à jour des dossiers patients. Après la transcription de la téléconsultation, les outils d'IA peuvent automatiser la structuration des notes cliniques, garantissant ainsi la saisie et l'enregistrement précis des informations essentielles de la consultation dans le dossier médical informatisé du patient.

Cette automatisation permet un gain de temps et minimise les risques d'erreur humaine, pour une documentation plus fiable et complète. De plus, les technologies d'IA et de TALN améliorent la qualité et la structure des dossiers cliniques, un élément essentiel à la communication entre les équipes soignantes.

Dans l'environnement multidisciplinaire des soins de santé modernes, où divers spécialistes peuvent intervenir dans la prise en charge d'un patient, disposer de dossiers complets et bien structurés est essentiel pour prendre des décisions cliniques éclairées.

Le traitement automatique du langage naturel (TALN) permet de standardiser et de catégoriser les informations contenues dans les dossiers patients, garantissant ainsi que tous les détails pertinents soient accessibles et facilement interprétables par chaque membre de l'équipe soignante. Ces capacités sont particulièrement précieuses en télémédecine, où la distance physique entre les soignants peut compliquer la communication et la coordination.

Un autre domaine crucial où l'intelligence artificielle (IA) et du TALN peut avoir un impact significatif après la consultation est le suivi continu des patients et le contrôle de l'observance des traitements. Une équipe a démontré qu'un moteur d'IA générant des recommandations et des messages améliorait l'observance des patients en réadaptation cardiaque.

De même, une autre étude conclut que l'IA peut également permettre aux patients de mieux maîtriser leur santé en leur assurant une compréhension complète du diagnostic, des options de traitement et des consignes d'autosoins à domicile.

De plus, les outils basés sur l'IA peuvent analyser des données provenant de diverses sources, notamment des dispositifs portables et les résultats rapportés par les patients, afin de suivre leur observance des traitements prescrits et leur réponse à ces traitements à domicile. Ces approches proactives de la gestion des patients peuvent réduire l'incidence des complications et améliorer les résultats globaux des traitements. Par ailleurs, l'application stratégique de l'IA et du TALN (NLP) après la téléconsultation peut considérablement améliorer l'efficacité des services de télémédecine.

En automatisant les tâches routinières telles que la catégorisation des informations cliniques, l'IA permet aux professionnels de santé de se concentrer davantage sur les soins aux patients que sur les tâches administratives. Cette efficacité accrue peut se traduire par des délais d'attente plus courts, un suivi plus rapide si nécessaire et une meilleure expérience pour les patients et les professionnels de santé. Enfin, grâce à la prise en charge d'une grande partie du traitement des données par l'IA, le risque d'omettre des détails cliniques importants est moindre, ce qui garantit des soins plus sûrs et plus efficaces.

INTÉGRATION POST-CONSULTATION DE L'IA ET DU TALN (NLP) EN TÉLÉMÉDECINE

La prise en charge personnalisée peut être prolongée après une téléconsultation. Les assistants virtuels de santé basés sur l'IA révolutionnent le secteur de la santé en offrant des soins personnalisés et en allégeant la charge de travail des professionnels de santé.

Ces assistants numériques, qui incluent des applications, des chatbots et des interfaces intelligentes, simulent une conversation humaine pour aider les patients dans diverses tâches, telles que l'identification des symptômes, le soutien psychologique, le rappel de la prise de médicaments, la planification des rendez-vous et le suivi des signes vitaux.

En collectant quotidiennement les informations de santé et en les transmettant aux médecins, ces outils favorisent une prise en charge continue et personnalisée. Par ailleurs, leur disponibilité 24h/24 et 7j/7 garantit aux patients un accès aux soins à tout moment.

Les applications basées sur l'IA sont également utilisées pour le triage des patients, en déterminant l'urgence de leur état en fonction des symptômes, comme l'a démontré le Service national de santé britannique (NHS), où plus d'un million de personnes utilisent désormais un chatbot IA pour des demandes d'informations médicales à distance.

De plus, les chatbots IA améliorent l'éducation thérapeutique des patients en fournissant des informations personnalisées et interactives sur l'alimentation, le sevrage tabagique et la gestion des maladies chroniques. Ces outils aident les patients à mieux comprendre leur diagnostic et leurs options de traitement, améliorant ainsi l'observance thérapeutique et les résultats de santé.

Par exemple, il a été démontré que les chatbots d'IA améliorent les connaissances sur des maladies comme le cancer de la prostate et le diabète, permettant ainsi aux patients de mieux gérer leur santé.

Cependant, il est essentiel de relever certains défis, tels que garantir l'exactitude, la fiabilité et la confidentialité des informations fournies par l'IA tout en préservant l'empathie lors des interactions avec les patients. Après la consultation, l'IA et le traitement automatique du langage naturel (TALN) continuent de jouer un rôle crucial en automatisant la documentation, en améliorant la qualité des dossiers cliniques et en assurant l'observance des plans de traitement par les patients. Ces technologies optimisent les flux de travail et améliorent les résultats pour les patients en facilitant une prise en charge continue et personnalisée.

LES DÉFIS LIES A L'UTILISATION DE L'IA ET DU TALN (NLP) DANS LA TÉLÉCONSULTATION

Avec l'essor de la téléconsultation, il est crucial d'accorder une importance capitale à la confidentialité et à la sécurité des données. L'intégration de l'IA et du TALN en télémédecine présente des opportunités, mais aussi des risques liés aux données des patients.

Des inquiétudes concernant les accès non autorisés aux données et les violations de données ont émergé, en partie à cause de protections insuffisantes dans l'infrastructure de santé numérique, ce qui représente un risque pour les informations sensibles des patients. Les données  de la littérature suggèrent qu'une cyberattaque sur quatre a touché le secteur de la santé, tandis que 90 % des hôpitaux et cliniques ont subi au moins une violation de données et 45 % au moins cinq inhérents aux algorithmes d'IA et le manque de transparence dans l'utilisation des données peuvent exacerber les problèmes de confiance et d'équité au sein des systèmes de santé.

Des cadres réglementaires robustes et des mesures de cybersécurité rigoureuses sont essentiels pour protéger la vie privée des patients tout en garantissant la conformité aux normes légales. Répondre à ces préoccupations est crucial pour renforcer la confiance des patients et exploiter pleinement le potentiel de l'IA et du TALN afin d'améliorer le flux de travail en télémédecine et la qualité des soins distanciels chez les patients.

L'intégration croissante des technologies d'IA et de TALN dans les téléconsultations rend indispensable la formation des professionnels de santé. Le succès du déploiement de ces outils avancés, visant à améliorer la documentation et l'efficacité des flux de travail, repose sur la capacité des cliniciens à les utiliser efficacement.

Des études récentes soulignent d'importantes lacunes en compétences numériques chez les professionnels de santé, actuels et futurs, mettant en évidence la nécessité de programmes de formation complets. Ces programmes doivent permettre aux cliniciens d'acquérir les connaissances nécessaires pour maîtriser les modalités de la télésanté. L'amélioration des pratiques cliniques grâce à l'IA n'est possible que si les praticiens sont capables d'interpréter et d'exploiter ces technologies pour les soins aux patients, garantissant ainsi le respect des normes de qualité et de sécurité dans leurs flux de travail. Par ailleurs, pour relever les défis liés à l'adoption de ces technologies, tels que les biais potentiels et les perturbations des flux de travail, il est indispensable de mettre en œuvre des initiatives de formation continue afin de renforcer la résilience et l'adaptabilité des équipes soignantes.

La mise en œuvre efficace de l'IA et du TALN dans les téléconsultations exige une infrastructure robuste englobant les outils technologiques, les ressources humaines et les cadres organisationnels. L'intégration fluide des systèmes d'IA aux flux de travail existants des professionnels de santé est essentielle, comme le soulignent des études mettant en évidence le décalage entre les avancées technologiques et les pratiques cliniques. La mise en place d'une interface conviviale est cruciale, permettant aux professionnels de santé d'utiliser les outils d'IA sans formation approfondie.

Par ailleurs, la prise en compte des considérations éthiques est fondamentale pour instaurer la confiance entre patients et professionnels. Les systèmes d'IA éthiques doivent être conçus pour privilégier le bien-être et l'autonomie du patient, lui permettant ainsi d'avoir l'assurance que des technologies fiables et impartiales guident ses soins.

Pour les professionnels de santé, la certitude que les outils d'IA respectent des normes éthiques rigoureuses et certifiées renforce leur confiance en ces systèmes, leur permettant de s'appuyer sur l'IA avec l'assurance qu'elle complète leur jugement professionnel plutôt que de le remettre en cause. 

En résumé, le déploiement réussi de l’IA et du NLP en télémédecine repose sur une infrastructure bien structurée qui privilégie l’intégration, la formation et les normes éthiques, favorisant ainsi un environnement de soins de santé plus efficace.

CONCLUSIONS

Le potentiel transformateur de l'IA et du TALN (NLP) dans la documentation et les flux de travail en télémédecine est indéniable. En tirant parti de ces technologies, les systèmes de santé peuvent remédier aux inefficacités courantes et, à terme, améliorer la qualité des soins et la sécurité des patients en soins primaires.

L'intégration de l'IA et du TALN (NLP) automatise les tâches de documentation répétitives et rationalise les flux de travail des cliniciens, permettant ainsi aux professionnels de santé de consacrer plus de temps aux soins des patients qu'aux tâches administratives.

De plus, la mise en œuvre de ces systèmes offre des avantages considérables, tels qu'une plus grande précision de la documentation et un meilleur accès aux données des patients, éléments essentiels en télémédecine.

Cependant, comme pour toute avancée technologique, les défis liés à la confidentialité des données, aux considérations éthiques et à la formation nécessaire doivent être rigoureusement abordés afin d'optimiser le déploiement.

Les recherches futures devraient continuer d'explorer ces dimensions tout en encourageant une adoption plus large des solutions d'IA et de TALN en télémédecine

COMMENTAIRES. Cette étude portugaise est remarquable et pourrait être prise en compte par les autorités sanitaires françaises qui se désespèrent de ne pouvoir réguler davantage les nombreuses initiatives d'IA en santé, notamment au niveau des Sociétés de téléconsultation et des plateformes de rendez-vous médicaux qui organisent des téléconsultations pour les médecins généralistes traitants, initiatives d'IA dont la qualité et la fiabilité n'ont jamais été évaluées. Cette étude fait un constat que nous faisons également en France : "les importantes lacunes en compétences numériques chez les professionnels de santé actuels". Les futurs professionnels de santé seront formés au numérique en santé. Les professionnels en exercice sont peu motivés pour se former. La pression commerciale et la course aux profits à court terme que peut générer l'IA médicale sont tels que l'on introduit aujourd'hui dans les pratiques de télémédecine des solutions d'IA médicales, notamment génératives, qui n'ont jamais été évaluées par des études scientifiques et qui devraient être préalablement autorisées avant d'être utilisées dans les soins délivrés aux patients, notamment en soins primaires. La régulation est à peu près assurée dans la pratique de la télésurveillance médicale. Elle devrait l'être dans les pratiques de la téléconsultation et de la téléexpertise, aidées par l'IA. C'est la mission que conduisent aujourd'hui les Assises de la Télémédecine.

5 novembre 2025