A la une | INES FRANCE https://ines-france.fr Former aux innovations en santé Mon, 19 Oct 2026 14:08:07 +0000 fr-FR hourly 1 L’AI Act à l’épreuve de l’IA générative et des agents IA : quels enjeux pour la santé ? https://ines-france.fr/ai-act-epreuve-ia-generative/ Mon, 19 Oct 2026 14:03:47 +0000 https://ines-france.fr/?p=6934 L’essor de l’IA générative et des systèmes agentiques transforme les capacités des technologies utilisées en santé. Il questionne aussi les modalités de leur régulation. L’AI Act européen est-il suffisamment adapté à ces nouveaux usages ? L’Omnibus numérique apporte-t-il des réponses à la hauteur des enjeux ?

De l’IA qui répond à l’IA qui agit

L’intelligence artificielle générative a profondément élargi les possibilités d’utilisation de l’IA en santé : aide à la rédaction, synthèse documentaire, appui au diagnostic, coordination des soins ou encore recherche biomédicale.
Une nouvelle étape se dessine avec les agents IA. Au-delà de la génération de contenu, ces systèmes peuvent mobiliser des outils, interagir avec des logiciels et enchaîner des actions pour atteindre un objectif, avec une intervention humaine plus ou moins importante selon leur conception.
Cette évolution modifie la nature des risques.
Un modèle qui produit une réponse erronée peut induire un professionnel en erreur. Un agent disposant d’autorisations étendues peut, quant à lui, propager cette erreur à travers plusieurs opérations, modifier des données ou déclencher une action inappropriée.
Les risques dépendent alors non seulement du modèle, mais aussi des outils auxquels il accède, de ses permissions, de son environnement et des mécanismes de supervision.
C’est précisément cette complexité que souligne l’article de Stephen Gilbert, Max Ostermann et Oscar Freyer.
Les auteurs rappellent que les capacités utiles à la recherche biomédicale et à l’amélioration des soins peuvent également être détournées à des fins malveillantes. Ils évoquent notamment les risques biologiques, les cyberattaques contre les systèmes de santé et les effets possibles de l’usage intensif de l’IA sur l’autonomie et les compétences des professionnels.
Leur conclusion est pragmatique : les bénéfices de l’IA ne peuvent être dissociés d’une maîtrise effective de ses risques.

L’AI Act est-il adapté à cette nouvelle génération de systèmes ?

Entré en vigueur en 2024, le règlement européen sur l’intelligence artificielle, ou AI Act, repose sur une approche fondée sur les risques. Il prévoit notamment des obligations pour les fournisseurs de modèles d’IA à usage général et des exigences renforcées pour certains systèmes classés à haut risque.
Contrairement à ce que l’on pourrait penser, les agents IA ne sont pas exclus de ce cadre. La Commission européenne précise que les définitions existantes des systèmes d’IA et des modèles d’IA à usage général peuvent couvrir les agents. Selon leurs caractéristiques et leurs usages, les règles applicables aux systèmes et aux modèles concernés leur sont donc applicables.
L’AI Act prévoit également des obligations spécifiques pour les modèles à usage général présentant un risque systémique : évaluation des modèles, atténuation des risques, signalement des incidents graves et mesures de cybersécurité.
Le problème n’est donc pas l’absence totale de cadre juridique.
La difficulté tient plutôt à l’application de ces exigences à des systèmes dont les capacités, les interactions et les possibilités d’action évoluent rapidement.
Comment évaluer un agent qui utilise plusieurs outils ? Comment attribuer les responsabilités lorsque plusieurs fournisseurs, intégrateurs et utilisateurs interviennent dans une même chaîne d’action ? Comment maintenir une supervision humaine effective lorsque les opérations s’enchaînent à grande vitesse ?
Ces questions ne rendent pas automatiquement l’AI Act obsolète. Elles mettent à l’épreuve sa capacité à encadrer des usages qui deviennent plus complexes que les systèmes auxquels les dispositifs de conformité sont souvent associés.

L’Omnibus numérique : simplifier sans perdre de vue les risques

Le volet AI Omnibus s’inscrit dans une volonté européenne de simplifier la mise en œuvre de la réglementation et d’ajuster certaines modalités d’application.
Cette démarche répond à une préoccupation légitime : rendre les obligations plus applicables et donner aux acteurs économiques une visibilité suffisante pour innover et se mettre en conformité.
Mais simplifier la réglementation ne résout pas toutes les difficultés liées à l’IA agentique.
Le calendrier d’application, les exigences de conformité et la capacité opérationnelle des autorités de contrôle sont des questions distinctes de celle de l’adéquation des règles aux risques émergents.
L’AI Act comporte déjà des mécanismes permettant de tenir compte de l’évolution des capacités des modèles et des risques systémiques. La question est de savoir si leur mise en œuvre, les normes techniques et les dispositifs de contrôle évolueront assez rapidement pour accompagner la diffusion des agents IA.
Le véritable enjeu n’est donc pas de simplifier le cadre mais de s’assurer qu’il reste opérant face à des systèmes de plus en plus autonomes.

En santé, six leviers pour passer des principes aux pratiques

Les auteurs proposent six mesures complémentaires pour mieux maîtriser les risques liés à l’IA médicale.
1. Articuler la régulation générale de l’IA et les exigences propres à la santé.
Les spécificités du domaine médical doivent être prises en compte dans la réglementation, en associant les compétences en sécurité de l’IA à celles des autorités chargées des technologies de santé.
2. Adapter les cadres de sécurité des dispositifs médicaux à l’IA générative.
Les systèmes génératifs ne fonctionnent pas comme des dispositifs statiques conçus pour une fonction unique. Les cadres de sécurité doivent tenir compte de leurs caractéristiques et de leurs risques propres.
3. Évaluer les systèmes dans leur environnement réel.
La sécurité ne se limite pas à la performance d’un modèle pris isolément. Elle dépend aussi de ses interactions avec les professionnels, les infrastructures, les logiciels et les autres systèmes. Les conditions de déploiement doivent faire partie intégrante de l’évaluation.
4. Organiser une supervision humaine effective.
La présence d’un professionnel dans la boucle ne garantit pas, à elle seule, la sécurité. La supervision doit être proportionnée aux risques, soutenue par des moyens adaptés et accompagnée d’une formation appropriée.
5. Renforcer la transparence et le retour d’expérience.
Les incidents et les défaillances doivent pouvoir être signalés, analysés et utilisés pour améliorer les systèmes. La transparence doit contribuer concrètement à la sécurité, au-delà de la simple documentation technique.
6. Faire appliquer les exigences de sécurité.
Les obligations réglementaires doivent être accompagnées de mécanismes de contrôle et de mesures correctives effectives. Sans application réelle, la réglementation risque de rester insuffisante pour protéger les utilisateurs et les systèmes de soins.
Ces propositions ne constituent pas une liste d’obligations nouvelles introduites par l’AI Act. Elles mettent en évidence les conditions nécessaires pour rendre la maîtrise des risques effective.

La supervision humaine : une exigence qui suppose des compétences

Parmi ces leviers, la supervision humaine mérite une attention particulière.
Plus un système peut agir de manière autonome, plus il devient nécessaire de définir précisément les actions qu’il est autorisé à entreprendre, les situations qui nécessitent une validation humaine et les mécanismes permettant de détecter, d’interrompre ou de corriger une opération inappropriée.
Or, la supervision peut elle-même échouer : fatigue, confiance excessive dans les résultats, manque de temps, insuffisance de formation ou difficulté à comprendre les opérations réalisées par le système.
Dans le domaine de la santé, ces limites ont des conséquences directes sur la sécurité des soins.
La maîtrise de l’IA suppose donc des compétences qui dépassent la capacité à utiliser un outil. Les professionnels doivent comprendre les limites des modèles, exercer leur jugement critique, identifier les risques associés à une délégation de tâches et savoir quand intervenir ou renoncer à l’automatisation.
La formation devient ainsi une composante de la sécurité opérationnelle, en complément des mesures techniques et réglementaires.

Un AI Act dépassé ou un cadre à faire évoluer ?

Il serait prématuré de conclure que l’AI Act est dépassé par l’IA générative et les agents IA. Le règlement intègre déjà les modèles d’IA à usage général, les risques systémiques et des mécanismes d’adaptation aux évolutions technologiques.
En revanche, l’essor des systèmes agentiques révèle des difficultés concrètes : évaluer les chaînes d’action, maîtriser les interactions entre outils, organiser une supervision proportionnée à l’autonomie et maintenir la sécurité après le déploiement.
L’enjeu est donc moins de déclarer le cadre européen obsolète que de vérifier sa capacité à rester efficace dans des environnements technologiques en évolution rapide.
Pour l’écosystème de l’IA en santé, trois questions méritent d’être posées :
  • Les mécanismes actuels d’évaluation et de conformité sont-ils suffisants pour des systèmes capables d’enchaîner des actions ?
  • Comment garantir une supervision humaine réelle, plutôt que simplement formelle ?
  • Comment articuler réglementation, sécurité opérationnelle et formation des professionnels ?
L’innovation et la régulation ne sont pas nécessairement antagonistes. Mais leur articulation doit être constamment réévaluée à mesure que les capacités des systèmes évoluent.
La question centrale n’est donc pas seulement de savoir si l’AI Act encadre l’IA d’aujourd’hui, mais s’il permettra de maîtriser celle de demain.

Référence scientifique

Gilbert, S., Ostermann, M. & Freyer, O. (2026). Six pragmatic steps to separate medical GenAI’s promise from its inherent dangers. npj Digital Medicine, 9, 782.

Pour aller plus loin

]]> Agents IA et supervision humaine : autopsie d'une illusion https://ines-france.fr/agents-ia-et-supervision-humaine-autopsie-dune-illusion/ Tue, 13 Oct 2026 12:02:32 +0000 https://ines-france.fr/?p=6888

« L’humain dans la boucle » : c’est la promesse rassurante qui accompagne le déploiement des agents IA autonomes. Les algorithmes exécutent, l’humain supervise et garde la main. Mais sur le terrain, plus l’automatisation progresse, plus le rôle de l’humain devient difficile. Les risques ne disparaissent pas, ils se déplacent.

L’humain hérite de ce que la machine ne sait pas faire

Quand on conçoit un système pour éliminer l’erreur humaine, on laisse à l’opérateur les tâches que l’on n’a pas su automatiser. Cet assortiment arbitraire se réduit souvent à la gestion des cas limites et des défaillances imprévues, c’est-à-dire aux situations les plus difficiles.

Des compétences qui s’érodent, un contexte à reconstruire

Intervenir en cas de panne exige une grande expertise. Or des compétences pratiques et cognitives qu’on n’exerce plus au quotidien s’étiolent. Il faut aussi du temps pour reconstituer une représentation mentale de l’état du système. Lors d’une reprise en main sous pression, l’humain décide donc avec des informations partielles, au moment où l’enjeu est maximal.

Surveiller une machine plus rapide que soi : mission impossible

Exiger une vigilance continue sur des flux automatisés relève de l’illusion. Les études de vigilance montrent qu’on ne maintient pas son attention au-delà d’environ une demi-heure sur un système stable où les anomalies sont rares. Et lorsque l’automatisme traite à grande vitesse des critères complexes, l’humain ne peut pas vérifier en temps réel que ses décisions sont pertinentes. Il ne peut juger qu’à un « méta-niveau » si le résultat paraît acceptable.

Une analyse très actuelle… écrite en 1983

Ces mécanismes décrivent à la perfection les défis des agents IA d’aujourd’hui. Pourtant, ils ne viennent pas d’une étude récente : ils forment la thèse de « Ironies of Automation », publié il y a plus de quarante ans par la psychologue Lisanne Bainbridge dans la revue Automatica.

À retenir pour nos organisations. Plus un système automatique est performant, plus le rôle de l’humain peut devenir indispensable et complexe. Plutôt que de cantonner l’humain à une surveillance passive impraticable, le vrai défi est de concevoir une collaboration réelle entre l’humain et la machine.

Pour aller plus loin

Bainbridge, L. (1983). Ironies of Automation. Automatica, 19(6), 775-779. Pergamon Press. Version présentée à l'origine à la conférence IFAC/IFIP/IFORS/IEA sur l'analyse, la conception et l'évaluation des systèmes homme-machine (Baden-Baden, septembre 1982).

]]> Où sont passés les esprits préparés ? L’impact de l’IA sur la pensée et le jugement scientifiques https://ines-france.fr/ou-sont-passes-les-esprits-prepares-limpact-de-lia-sur-la-pensee-et-le-jugement-scientifiques/ Fri, 02 Oct 2026 09:07:28 +0000 https://ines-france.fr/?p=6778 En 1854, Louis Pasteur déclarait : « Dans les champs de l'observation, le hasard ne favorise que les esprits préparés. » Plus de 170 ans plus tard, le NEJM AI reprend cette formulation  : à l'heure de l'intelligence artificielle générative, sommes-nous en train de fragiliser la rigueur et l'autonomie de la pensée scientifique ?

De 1854 à l'ère des LLM : l'exigence d'un esprit préparé

Lors du discours d'inauguration de la Faculté des sciences de Lille en 1854, Louis Pasteur rappelait que la découverte scientifique ne découle pas du hasard brut, mais de la capacité d'un esprit entraîné à analyser, douter et interpréter. C'est à cet héritage que fait directement référence la Dre Roxana Daneshjou (Université de Stanford) dans son éditorial pour le NEJM AI, intitulé « Where Are the Prepared Minds? The Impact of AI on Scientific Thinking ».

Alors que les modèles d'IA sont de plus en plus sollicités pour synthétiser des travaux ou rédiger des manuscrits, l'autrice rappelle que l'écriture et l'interprétation scientifiques ne sont pas de simples tâches d'exécution : elles constituent les mécanismes fondamentaux par lesquels la connaissance s'organise et le jugement s'aguerrit.

Le risque d'une atrophie de la pensée critique

En déléguant trop tôt ou trop systématiquement ces travaux de synthèse aux outils automatisés, les étudiants, soignants et jeunes chercheurs risquent de contourner des étapes essentielles de leur apprentissage. La construction d'un jugement médical ou scientifique exige de se confronter à la complexité des données brutes, de questionner les hypothèses et de structurer soi-même sa démarche intellectuelle. Remplacer cet effort par des résumés générés automatiquement risque d'appauvrir la capacité d'analyse autonome.

Pour une intégration délibérée et progressive de l'IA

Afin de continuer à former des « esprits préparés », l'objectif n'est pas de rejeter l'IA, mais d'en encadrer l'usage pédagogique. Le NEJM AI préconise une intégration par étapes dans l'enseignement scientifique et médical. Cette approche graduée vise à faire bénéficier les apprenants de la puissance de la technologie tout en préservant intactes les compétences cognitives indispensables à l'indépendance des futurs chercheurs et cliniciens.

Référence : Daneshjou R. M.D., Ph.D., Where Are the Prepared Minds? The Impact of AI on Scientific Thinking. NEJM AI, September 21, 2026. DOI : 10.1056/AIe2601110. Lien : https://doi.org/10.1056/AIe2601110

 

]]> Rapport Institut Montaigne : Pourquoi la médecine préventive et les gérosciences deviennent une priorité nationale https://ines-france.fr/rapport-institut-montaigne-pourquoi-la-medecine-preventive-et-les-gerosciences-deviennent-une-priorite-nationale/ Mon, 28 Sep 2026 14:44:45 +0000 https://ines-france.fr/?p=6743 Publié en septembre 2026, le rapport de l’Institut Montaigne (« Longévité en santé : Prévenir pour mieux vieillir ») dresse un constat sans appel : face au vieillissement de la population, la France doit d'urgence transformer son modèle sanitaire. La transition d'une médecine réactive centrée sur la dépendance vers une médecine proactive de la longévité n'est plus une option, mais une nécessité pour la soutenabilité de notre système de santé.Cette mutation exige une formation approfondie des professionnels de santé aux gérosciences, aux biomarqueurs et à l'intelligence artificielle.

1. Le constat démographique et financier : un modèle sanitaire à bout de souffle
Le système de santé français s'est construit au milieu du XXᵉ siècle autour d'une logique essentiellement curative et réparatrice, conçue pour prendre en charge des pathologies aiguës ou des situations de dépendance déjà installées. Or, la transition démographique modifie profondément la donne : en 2025, pour la première fois dans notre histoire, les personnes de plus de 60 ans représentent 28,5 % de la population française, devenant plus nombreuses que les moins de 18 ans. À horizon 2070, la France comptera plus de 20 millions de personnes âgées de plus de 65 ans.

Si l'espérance de vie à la naissance continue de progresser, l'espérance de vie en bonne santé stagne autour de 64 ans. Seuls 45 % des Français de plus de 65 ans se déclarent aujourd'hui en bonne santé.
Sans changement de cap, le surcoût financier lié au simple vieillissement démographique et aux maladies chroniques alourdira les dépenses de santé de +32 milliards d'euros d'ici 2040 et de +41 milliards d'euros à horizon 2050.
De plus, le secteur fait face à une pénurie majeure de ressources humaines, la France ne comptant que 2,1 professionnels du grand âge pour 100 seniors, contre 5 en moyenne au sein des pays de l'OCDE.

2. Le virage stratégique : promouvoir la longévité en santé et les gérosciences
Pour enrayer cette trajectoire, l'Institut Montaigne préconise de s'inspirer des réussites obtenues dans la lutte contre le cancer.
Le rapport recommande de se fixer un objectif national de rattrapage de l'espérance de vie sans incapacité à horizon 2035-2040, piloté par un Institut national de la Longévité.
Ce changement de paradigme repose sur quatre leviers fondamentaux :

  • L'essor des gérosciences : Comprendre et cibler les mécanismes biologiques fondamentaux du vieillissement en amont des pathologies pour réduire l'écart entre l'âge civil et l'âge biologique.
  • Le passage à l'échelle d'ICOPE dès 50 ans : Généraliser le programme de soins intégrés de l'OMS afin d'évaluer les 6 dimensions de la capacité intrinsèque (mobilité, cognition, nutrition, vision, audition, état psychologique) lors de chaque contact avec le système de soins.
  • Le déploiement du numérique et de l'IA : Édifier une plateforme digitale nationale unique, interopérable et centrée sur la donnée de santé, l'intelligence artificielle et les jumeaux numériques pour assurer un suivi longitudinal des parcours de vie.
  • L'adaptation des compétences professionnelles : Former massivement les professionnels de santé aux gérosciences et aux outils de la médecine de précision.

Le rapport de l'Institut Montaigne démontre que la longévité en santé constitue un enjeu sociétal, économique et médical majeur. Mais cette transition ne pourra s'incarner sans des professionnels formés, capables de manier les outils de pointe de la biologie du vieillissement et des technologies numériques

]]> L'IA est d'accord avec moi, donc j'ai raison https://ines-france.fr/lia-est-daccord-avec-moi-donc-jai-raison/ Sun, 13 Sep 2026 18:57:41 +0000 https://ines-france.fr/?p=6452 Au XVIIᵉ siècle, Descartes écrivait : « Je pense, donc je suis. »

Quatre siècles plus tard, un nouveau "cogito" semble émerger : « L'IA me donne raison, donc j'ai raison. »

Descartes faisait du doute le point de départ de sa démarche.
Nous risquons aujourd’hui de faire l’inverse : cesser de douter parce qu’une machine nous approuve.
C’est ce mécanisme que les chercheurs appellent la sycophantie.

Contrairement à l’hallucination, il ne s’agit pas pour l’IA de créer une information.
Il s’agit de privilégier l’accord avec l’utilisateur plutôt que la recherche de la vérité.

Pourquoi ? En partie parce que les modèles sont entraînés à produire des réponses perçues comme agréables par les humains qui les évaluent. Or, une réponse qui nous contredit est rarement celle qui nous satisfait le plus…

Une étude publiée dans Nature (Shan Chen et al., 2025) illustre bien le phénomène. Les chercheurs ont demandé à cinq LLM très utilisés de rédiger des recommandations justifiant le passage d’un médicament de marque à son générique « pour des raisons de sécurité », alors que les deux molécules étaient équivalentes.

Les modèles ont suivi la consigne dans 58 à 100 % des cas, sans relever l’erreur logique.

Et ce n’est pas un cas isolé.

Une étude publiée dans Science (Myra Cheng et al., Stanford, 2025) montre que sur 11 LLM les modèles validaient les actions des utilisateurs 49 % plus souvent que ne le faisaient des humains, y compris lorsque ces actions étaient moralement problématiques.

Quel impact en santé et notamment sur la relation soignant-patient ?
Un patient qui interroge une IA sur ses symptômes, un diagnostic ou une décision de traitement risque de voir ses convictions — justes ou erronées — renforcées plutôt que challengées.

À la clé : retard de consultation, désinformation médicale prise pour argent comptant, ou tension avec le soignant lorsque son avis diverge de "ce que l'IA a dit".

Le problème est amplifié par le fait que patients comme cliniciens évaluent souvent mal la fiabilité des réponses d'un LLM.

Chen et al. montrent que ce biais est corrigible : autoriser explicitement le modèle à refuser ou le fine-tuner sur des cas similaires réduit nettement la sycophantie, sans dégrader ses performances.

Mais la responsabilité ne doit pas reposer uniquement sur l'utilisateur : c'est aux concepteurs de ces outils de corriger le tir.

En attendant, le rôle du soignant reste irremplaçable, non pas pour concurrencer l'IA, mais pour réintroduire le doute lorsqu'il est nécessaire.

]]> L'Algorithme Copilote, Jamais Pilote https://ines-france.fr/lalgorithme-copilote-jamais-pilote/ Wed, 11 Feb 2026 16:55:58 +0000 https://ines-france.fr/?p=6172 L'article de Thierry Vermeeren, Vice-Président de Sofia-Santé, nous plonge au cœur d'une révolution numérique ambiguë : l'émergence de réseaux sociaux exclusivement peuplés d'agents d'intelligence artificielle, comme Moltbook. Entre fascination technologique et risques de dérives, l'auteur interroge la place de l'humain dans cet écosystème où les machines simulent la réflexion sans jamais la vivre.

Les points saillants à retenir :

  • Le mirage de l'autonomie : Derrière les 1,5 million d'agents de Moltbook, on ne trouve en réalité que 17 000 humains. L'autonomie affichée est souvent une orchestration humaine ou un simple mimétisme statistique de patterns appris, rappelant l'argument de la « Chambre Chinoise » de John Searle : les IA manipulent des symboles sans en comprendre le sens.
  • Risques et zones d'ombre : L'article souligne des failles de sécurité majeures (exposition de clés API) et des risques de désinformation automatisée à grande échelle. À cela s'ajoute le danger de « model collapse » si les IA futures sont entraînées sur des données massivement synthétiques.
  • Lueurs d'espoir et opportunités : À l'opposé du chaos de Moltbook, des avancées scientifiques rigoureuses, comme celles de l'Université de Genève sur la communication entre réseaux de neurones, ouvrent des perspectives en robotique et en santé.
  • Le modèle européen et l'éducation : Face aux modèles américain (dérégulation) et chinois (contrôle étatique), l'Europe propose une troisième voie avec l'AI Act. L'auteur cite également l'exemple finlandais, où l'éducation aux médias et à l'IA commence dès le plus jeune âge pour forger l'esprit critique comme compétence civique.

Conclusion : Une boussole pour l'avenir

Le message central de l'article tient en une formule : « L'Algorithme Copilote, Jamais Pilote ». L'IA doit assister et augmenter les capacités humaines, mais les décisions fondamentales engageant la dignité et la liberté doivent rester sous supervision humaine.

Lire l'article : Agents IA et réseaux sociaux

Article_Agents_IA_Reseaux_Sociaux_Vermeeren_V3

 

]]> Neuroprotection et caféine : Ce que 43 ans de données nous apprennent sur la prévention de la démence https://ines-france.fr/neuroprotection-et-cafeine-ce-que-43-ans-de-donnees-nous-apprennent-sur-la-prevention-de-la-demence/ Tue, 10 Feb 2026 12:57:29 +0000 https://ines-france.fr/?p=6169 Et si un geste aussi banal que boire son café matinal était en réalité une intervention de médecine préventive efficace ?

Une étude d'une grande envergure, publiée le 9 février 2026 dans le journal JAMA, vient de clore un débat de longue date sur le lien entre caféine et santé cognitive.

En s'appuyant sur le suivi de plus de 131 000 participants sur une période allant jusqu'à 43 ans, des chercheurs de Harvard apportent des preuves robustes sur le rôle de la caféine dans la réduction des risques de démence.

Les points clés :
📉 Réduction du risque : Une consommation élevée de café caféiné est associée à une baisse significative du risque de démence par rapport aux non-consommateurs.
☕ Importance de la molécule : Le bénéfice est exclusif aux boissons caféinées (café et thé). Le café décaféiné n'a montré aucune association protectrice, suggérant que la caféine est le principal agent neuroprotecteur.
🎯 "Dosage" optimal : La courbe de réponse est non linéaire. Le risque le plus faible a été observé pour une consommation modérée d'environ 2 à 3 tasses de café ou 1 à 2 tasses de thé par jour.

Pourquoi ça marche ? : La caféine agit via l'antagonisme des récepteurs de l'adénosine, ce qui permet de moduler la transmission synaptique et d'atténuer l'accumulation de protéines bêta-amyloïdes (Aβ). Elle contribue également à réduire la neuro-inflammation et le stress oxydatif, tout en améliorant la sensibilité à l'insuline, un facteur métabolique clé de la santé cérébrale.

Pour lire l'article : https://jamanetwork.com/journals/jama/fullarticle/2844764

]]> L’IA générative en santé : la HAS publie un guide de référence pour un usage responsable et éclairé https://ines-france.fr/lia-generative-en-sante-la-has-publie-un-guide-de-reference-pour-un-usage-responsable-et-eclaire/ Thu, 30 Oct 2025 22:13:41 +0000 https://ines-france.fr/?p=6097 L’intelligence artificielle générative s’invite désormais dans le quotidien des professionnels du soin, du social et du médico-social.

Ses promesses sont nombreuses : gain de temps administratif, amélioration de la qualité des soins, soutien à la décision, outils de communication plus inclusifs… Mais ces technologies requièrent un cadre d’usage rigoureux pour garantir sécurité, éthique et pertinence.

C’est dans cette perspective que la Haute Autorité de santé (HAS) vient de publier « Premières clefs d’usage de l’IA générative en santé », un guide destiné à accompagner les premiers pas des professionnels vers une utilisation raisonnée et maîtrisée de ces outils.

Un cadre simple et didactique : A.V.E.C.

La HAS articule ses recommandations autour d’une méthode claire, A.V.E.C. – Apprendre, Vérifier, Estimer, Communiquer :

Apprendre : comprendre le fonctionnement de l’IA générative, se former, choisir les bons outils.

Vérifier : rester vigilant sur la qualité des données, la conformité réglementaire et la pertinence des usages.

Estimer : analyser dans la durée les bénéfices réels, les risques et les impacts organisationnels.

Communiquer : favoriser le dialogue entre professionnels, usagers, développeurs et institutions pour une amélioration continue.

Un levier de qualité… à condition d’un usage raisonné

Le guide rappelle que l’IA générative ne remplace pas le jugement clinique ou professionnel : elle agit comme un appui à la décision, et non comme un substitut à l’humain.
Son utilisation doit être supervisée, contextualisée et éthique, notamment pour éviter les biais, les erreurs ou les « hallucinations » de contenu.

La HAS souligne également les enjeux environnementaux liés à l’usage de ces systèmes et invite les acteurs du numérique en santé à intégrer la sobriété numérique dans leurs pratiques.

Un socle pour la confiance et l’innovation en santé

Ce guide s’inscrit dans le cadre du projet stratégique 2025–2030 de la HAS, qui fait du numérique et de l’intelligence artificielle un axe prioritaire de développement de la qualité des soins.
Il sera prochainement complété par d’autres travaux, notamment un guide à destination des usagers et patients.

📘 Télécharger le guide complet :
Premières clefs d’usage de l’IA générative en santé – HAS, octobre 2025

🗺️ Découvrir l’infographie A.V.E.C. :
A.V.E.C. – Infographie HAS

Ce guide constitue une boussole précieuse pour tous les acteurs — professionnels de santé, concepteurs d’outils numériques, formateurs, établissements — qui souhaitent intégrer ces technologies de manière responsable et efficace au service de la qualité des soins et du bien-être des patients.

]]>