Explore every episode of the podcast Santé et IA – Le Podcast de l’Innovation Médicale

Un essai clinique majeur est publié en 2026 avec un modèle GPT-4o datant de mai 2025. Entre le recrutement, l’analyse et la publication, plusieurs générations d’intelligence artificielle ont déjà vu le jour. Cet épisode explore le décalage entre le temps nécessaire à la preuve clinique et la vitesse d’évolution des modèles. À partir d’un essai pragmatique mené auprès de près de 10 000 patients au Kenya, nous examinons ce que ses résultats permettent réellement de conclure, ce qui reste valable après un changement de modèle, et comment les essais adaptatifs, le versionnement et la surveillance continue pourraient rapprocher ces deux temporalités. Sources principales. Nature Medicine, DOI 10.1038/s41591-026-04503-6. npj Digital Medicine, DOI 10.1038/s41746-025-01674-3.

L’IA de Google fait-elle vraiment mieux que les médecins en téléconsultation ? Dans une prépublication fondée sur des consultations simulées, AIMIE Video atteint 91 % de diagnostics de référence classés en première position, contre 77 % pour les médecins.

Le Dr Lounes BENSID propose une lecture critique et objective de l’étude de Google Research et Google DeepMind : protocole, architecture multi-agents, résultats, limites méthodologiques et conflits d’intérêts. Aucun vrai patient n’a été inclus et le système n’est pas validé pour un déploiement clinique réel.

Le chiffre le plus utile est peut-être ailleurs : 39 % pour les médecins sur le guidage de l’examen physique à distance. L’épisode analyse ce que ces résultats impliquent réellement pour l’anamnèse, le télé-examen et la formation à la téléconsultation.

Étude : https://arxiv.org/abs/2608.09861

Contenu général fondé sur des sources publiques, sans donnée patient.

Podcast MedAIExplorer, par le Dr Lounes BENSID, radiologue, fondateur de MedAIExplorer et cofondateur d’Elliacare.

ChatGPT Work transforme ChatGPT en agent capable de mener des tâches longues : recherche, analyse de fichiers, utilisation d’applications connectées et création de documents ou de présentations.

Dans cet épisode, le Dr Lounes BENSID explique ce que cela change concrètement pour les professionnels de santé : veille scientifique cyclique, préparation de réunions, procédures générales et organisation quotidienne. Un exemple détaille une recherche hebdomadaire, la déduplication, le classement par niveau de preuve, la surveillance des corrections ou rétractations et une synthèse mensuelle.

Nous distinguons également ChatGPT Work, les apps et plugins, ChatGPT for Healthcare, ChatGPT for Clinicians et Health dans ChatGPT. Règle absolue pour l’outil grand public : aucun dossier, compte rendu, image ou autre donnée concernant un patient réel, même pseudonymisée. Les usages proposés reposent uniquement sur des sources publiques, des documents non confidentiels ou des données fictives.

Information générale à visée pédagogique, ne constituant ni un avis médical ni une validation d’un outil pour un usage clinique.

Sources principales : documentation officielle OpenAI, vérifiée le 10 août 2026.

Le 2 août 2026 devait marquer le grand basculement de l’AI Act. Mais qu’est-ce qui change vraiment pour les hôpitaux, cabinets et professionnels de santé ?

Dans cet épisode, le Dr Lounes BENSID distingue les règles déjà applicables, les nouvelles obligations de transparence et les échéances « haut risque » officiellement repoussées jusqu’en 2027 ou 2028. Vous découvrirez aussi un plan d’action concret en sept étapes : inventaire des outils, clarification des rôles, formation, transparence, achats, supervision humaine et protection des données.

Au programme :

• ce qui s’applique depuis août 2026 ;

• ce qui a été reporté pour les IA médicales ;

• la différence entre fournisseur et déployeur ;

• les conséquences pratiques pour l’Union européenne et la Suisse ;

• les actions à engager sans attendre.

Information générale à visée pédagogique, ne constituant pas un avis juridique.

Médecins et professionnels de santé, arrêtez de vous tromper d'intelligence artificielle en 2026 et découvrez enfin comment trancher définitivement entre ChatGPT, Claude et Gemini ! Le secret de l'IA n'est pas de payer aveuglément pour le modèle le plus puissant, mais d'adapter stratégiquement la puissance de l'outil à votre tâche médicale pour exploser votre productivité. Que vous ayez besoin de la polyvalence incontournable de ChatGPT, de l'excellence rédactionnelle de Claude ou de l'écosystème documentaire de Gemini, ce guide dévoile l'abonnement parfait pour votre pratique. Écoutez cet épisode pour rentabiliser vos abonnements à 20$, sécuriser vos données cliniques et transformer radicalement votre quotidien médical dès aujourd'hui

Pour aller plus loin

https://www.elliacare.com/

L’open source en intelligence artificielle est souvent présenté comme une alternative gratuite aux solutions SaaS. Mais est-ce vraiment le cas en santé ?

Dans cet épisode, on analyse en profondeur le coût réel de l’IA open source : GPU, cloud, hébergement, sécurité, conformité HDS/RGPD, maintenance et compétences techniques.

À travers des exemples concrets comme Gemma, Mistral ou DeepSeek, on montre pourquoi le téléchargement d’un modèle ne représente qu’une infime partie du coût total.

Open source ne signifie pas gratuit

Le vrai enjeu : le coût total de possession (TCO)

Build vs Buy en santé : comment faire le bon choix

Un épisode indispensable pour les médecins, radiologues, DSI et décideurs qui souhaitent intégrer l’IA en santé de manière réaliste, sécurisée et durable.

L’épisode explore comment ChatGPT aide les soignants à surmonter la « phobie administrative », ce mélange de fatigue cognitive et de surcharge de tâches. Plus qu'un simple outil, il devient un « exosquelette administratif » permettant de réduire la friction quotidienne liée aux démarches non cliniques. En passant du rôle de rédacteur à celui de décideur, le professionnel de santé délègue la mise en forme pour se concentrer sur l'essentiel,. L'IA facilite la structuration d'emails, la clarification de schémas techniques et la création de checklists pour éviter les oublis,,. Ce processus réduit l'inertie psychologique du démarrage, transformant des montagnes de documents en objets finis et maîtrisés,. Finalement, cette approche redonne au soignant l'énergie nécessaire pour exercer son métier sereinement, sans être écrasé par la paperasse

https://www.elliacare.com/

L’intelligence artificielle en santé est souvent abordée de façon binaire : menace pour le médecin ou simple outil sans impact réel. Cette vision occulte l’essentiel. Le soin ne se réduit ni à l’information ni à la technologie, mais à une relation complexe faite de décision, de responsabilité et d’incertitude.
Plutôt que d’opposer l’IA au soin, l’article propose de repenser la relation médicale sous la forme d’un triangle médecin–patient–IA. Dans ce modèle, l’IA n’est ni un substitut ni un décideur, mais un médiateur cognitif : elle informe, explique, prépare et accompagne, tout en laissant la responsabilité clinique au médecin.
Utilisée dans un périmètre clairement défini, l’IA peut améliorer la compréhension des patients, renforcer la prévention et redonner du temps médical de qualité. L’enjeu central n’est donc pas la technologie elle-même, mais la souveraineté des usages : comment intégrer l’IA de manière encadrée pour redonner du sens au soin#IAenSanté, #RelationDeSoin, #MédecinPatientIA, #SouverainetéDesUsages, #Prévention, #ÉthiqueMédicale, #InnovationResponsable, #MédecineDeDemain

https://www.elliacare.com/

La souveraineté des données est aujourd’hui au cœur de tous les débats autour de l’intelligence artificielle en santé. Hébergement, cloud, juridiction, modèles « souverains » : ces enjeux sont réels, nécessaires, et structurants à long terme.

Mais dans la pratique quotidienne, les risques les plus fréquents ne viennent pas uniquement de l’infrastructure. Ils viennent surtout des usages : copier-coller de données sensibles, mauvaise compréhension des outils, confiance excessive dans des réponses plausibles mais erronées, absence de règles claires ou de traçabilité.

Dans cet épisode, je propose de déplacer légèrement le débat : sans opposer souveraineté des données et innovation, mais en mettant en lumière un levier souvent sous-estimé et pourtant immédiatement actionnable — la souveraineté des usages.

À travers des exemples concrets (outils grand public, solutions professionnelles, cadres institutionnels), on voit que la sécurité de l’IA en santé repose autant sur la compétence des professionnels, la clarté des règles et la supervision humaine que sur la localisation des données elles-mêmes.

Former, encadrer et responsabiliser les usages n’est pas une solution par défaut ou un renoncement. C’est un moyen pragmatique et efficace de réduire les risques dès maintenant, en attendant des infrastructures et des modèles souverains pleinement matures.

Un épisode destiné aux professionnels de santé, décideurs et acteurs du numérique médical qui veulent dépasser les slogans pour s’intéresser aux pratiques réelles, sur le terrain.

La récente levée de fonds de Lovable illustre un phénomène plus large : l’émergence des « start-up du coin de table » et le tsunami du Vibe Coding. Grâce à l’IA générative, au no-code et aux nouveaux environnements de développement, il devient possible de concevoir et tester des outils numériques avec des équipes très réduites, en se concentrant d’abord sur l’usage réel plutôt que sur des architectures lourdes.

Dans le monde médical, historiquement en décalage avec les grandes tendances technologiques, ce changement de paradigme pose une question stratégique majeure : continuer à surinvestir dans des développements coûteux pour des tâches largement automatisables, ou intégrer plus tôt ces nouvelles approches pour réduire les coûts, accélérer l’innovation et mieux répondre aux besoins du terrain.

Cet épisode propose une analyse factuelle des enjeux du Vibe Coding en santé, sans naïveté ni rejet, et invite les acteurs du secteur à repenser leur rapport à l’innovation avant d’être dépassés par des structures plus agiles.

Quand l’expertise devient posture, elle freine l’action. Dans cet épisode, on oppose les “experts commentateurs” à ceux qui testent, documentent et partagent. On explore pourquoi l’intelligence artificielle générative bouscule les repères, et comment passer d’un statut à une utilité concrète pour le terrain clinique. Un message clair : moins de surplomb, plus de contribution — pour créer de la valeur réelle.

#IA en santé

On parle d’intelligence artificielle en santé tous les jours : annonces, promesses, “révolutions” annoncées.

Cette surexposition crée une lassitude chez les soignants, qui ne voient guère d’impact concret.

Entre excès médiatique et manque d’applications réelles, l’enjeu n’est plus d’en faire plus, mais d’en parler mieux : avec discernement et sobriété

https://www.linkedin.com/company/elliacare-ai/

Former à l’intelligence artificielle en santé ne nécessite pas d’être ingénieur, mais de comprendre les usages réels, les limites, les biais et les enjeux éthiques des outils.

Le formateur doit être un traducteur entre technologie et terrain, pas un concepteur de modèles.

L’enjeu, c’est d’apprendre à penser avec l’IA, pas à la fabriquer.

On entend partout “j’ai créé une IA”, mais rares sont ceux qui créent une véritable intelligence artificielle.

Ce podcast démonte les confusions entre modèles, outils et usages en santé.

Il rappelle que la vraie révolution ne vient pas de l’IA en elle-même, mais des outils concrets, éthiques et utiles qui en découlent.

OpenEvidence, présentée comme l’IA médicale la plus avancée, repose sur la RAG : chercher dans des sources validées puis synthétiser avec citations. Elle révolutionne la veille clinique en offrant vitesse et traçabilité. Mais son modèle publicitaire implique collecte et revente de données d’usage. Atout majeur ou risque à maîtriser ?

ChatGPT n’est pas GPT-5. Comme un scanner n’est pas son logiciel PACS, un modèle d’IA n’est pas un outil. Comprendre cette distinction est essentiel pour les soignants : confidentialité, fiabilité, ergonomie. Ce podcast clarifie les rôles de GPT-5, Gemini, Mistral… et des outils comme Perplexity ou ChatGPT.

Plus de sources sur la page Elliacare, plateforme de formation en IA générative appliquée à la santé.

Les médecins sont confrontés à une charge administrative croissante.

L’intelligence artificielle et l’automatisation apparaissent comme des solutions prometteuses.

Mais attention : utiliser un outil en ligne peut exposer des données sensibles et violer le secret médical.

Ce podcast explore les risques, les solutions locales sécurisées, l’usage des API, les automatisations simples sans IA et le matériel nécessaire pour déployer un modèle en local.

L’IA peut devenir un allié précieux, à condition de l’utiliser de manière responsable.

GPT-5 améliore le raisonnement, la fidélité et la multimodalité. Les évaluations récentes (HealthBench, préprints, classements) indiquent un progrès mesurable par rapport aux modèles antérieurs, sans en faire un dispositif médical. Impacts clés : synthèses plus fiables, documents mieux structurés, lecture de figures améliorée. Plans gratuit vs payants : surtout des différences de quotas et de gouvernance.

Plus, Pro, Team ou Enterprise ? Ce guide détaille les formules ChatGPT 2025, leurs fonctionnalités et leurs limites, avec des exemples concrets et sans risque patient : génération de comptes-rendus, recherche bibliographique, pédagogie, gestion RH… Le tout aligné RGPD et AI Act.

Les appels API sont des “lignes directes” normalisées (JSON + REST) qui relient messagerie sécurisée, agenda, dossier patient et logistique hospitalière. Cette synthèse explique simplement la notion, décrit 5 usages concrets sans risque clinique, détaille bénéfices, limites RGPD / AI Act et propose des bonnes pratiques.

Les agents d’intelligence artificielle – assistants autonomes capables d’exécuter des tâches sans supervision constante – transforment déjà la vie des médecins. De l’ambient scribe qui rédige vos consultations à la génération automatisée de scénarios de simulation, ces outils font gagner du temps, réduisent la charge cognitive et améliorent l’expérience patient, à condition d’être déployés localement ou sur des serveurs HDS, sous contrôle humain et en conformité avec l’AI Act.

Et si le modèle RAG (Retrieval-Augmented Generation) était la solution idéale pour exploiter les données médicales sensibles, sans sacrifier la confidentialité, la traçabilité ou la souveraineté numérique ?

Dans cet épisode, le Dr Lounes BENSID, radiologue, explore en détail les limites des grands modèles de langage comme ChatGPT en santé, et présente une alternative concrète et déjà testée dans plusieurs hôpitaux.

Au programme :
– Définition claire du système RAG
– Comparaison avec les LLM classiques
– Cas d’usage en santé (radiologie, RH, formation…)
– Exemple réel du chatbot des HUG à Genève
– Bénéfices : sécurité, flexibilité, indépendance technologique
– Limites et précautions à connaître avant déploiement

Un épisode indispensable pour les professionnels de santé, DSI hospitaliers, et tous ceux qui veulent comprendre comment intégrer l’IA en respectant les contraintes cliniques et réglementaires.

Partagez, commentez ou posez vos questions pour le prochain épisode.

Un père inquiet m’a demandé : “Ma fille veut faire médecine… mais est-ce encore un bon choix à l’ère de l’IA ?”
Dans cet épisode, je vous propose une réponse claire et factuelle, à partir des dernières études sur l’intelligence artificielle en santé.

On y parle de :
– Google AMIE : IA plus performante… mais dans un scénario artificiel
– Microsoft MAI-DxO : résultats impressionnants, mais très loin de la réalité clinique
– HealthBench : la seule étude à grande échelle, passée (presque) inaperçue

L’objectif : aider chacun à y voir clair dans le bruit médiatique et comprendre ce que l’IA peut — et ne peut pas — remplacer.

Un podcast créé par le Dr Lounes BENSID, radiologue.
Pour réagir, partager ou proposer un thème : contactez-moi sur LinkedIn ou laissez un commentaire.

Dans cet épisode, on fait le point sur un phénomène encore trop sous-estimé : l’IA générative peut inventer des faits ou des références, parfois avec une grande assurance. Quels sont les symptômes de ces hallucinations ? Comment les repérer ? Quelles bonnes pratiques adopter pour sécuriser l’usage de l’IA dans la rédaction de protocoles, de notes ou de synthèses médicales ?
En moins de 7 minutes, découvrez les pièges à éviter, l’intérêt des approches type RAG (Retrieval Augmented Generation) et les responsabilités à ne pas négliger en tant que professionnel de santé.

Découvrez comment rédiger des prompts clairs, percutants et responsables ! Méthode des quatre briques, exemples concrets (mail, planning, QCM) et astuces de sobriété numérique pour transformer ChatGPT en assistant quotidien : moins de temps perdu, réponses fiables et impact carbone réduit.

Face à la multiplication des assistants IA, faut-il choisir un modèle ou un écosystème complet ? OpenAI, Google, Anthropic, Mistral : tour d’horizon 2025 des forces, limites et cas d’usage concrets pour les médecins, sans impact clinique direct et en accord avec le AI Act.

Comparatif détaillé des usages non cliniques possibles avec la version gratuite et l’abonnement Plus de ChatGPT : fonctionnalités, quotas, cas d’usage concrets pour les médecins, bénéfices, risques liés au RGPD et à l’AI Act, ainsi que les bonnes pratiques de mise en œuvre en cabinet ou à l’hôpital.

Dans ce premier épisode, découvrez les bases de l’intelligence artificielle générative appliquée à la santé.
Qu’est-ce qu’un modèle de langage ? En quoi se distingue-t-il des IA déjà utilisées dans les pratiques médicales ? Quels sont ses cas d’usage actuels et ses limites ?

Au programme :
– Fonctionnement simplifié des modèles génératifs
– Applications concrètes en médecine : rédaction, formation, aide à la décision
– Enjeux : hallucinations, sécurité des données, cadre réglementaire
– Exemples de déploiement dans différents établissements de santé

Un épisode de 10 minutes pour mieux comprendre ce que l’IA générative peut réellement apporter aux professionnels de santé, au-delà du buzz.