À Laon, une IRM dopée à l’intelligence artificielle a divisé le temps d’examen par deux. À Beauvais, un scanner corrige ses propres images. À Valenciennes, un algorithme prédit l’affluence aux urgences cinq jours à l’avance. Dans les Hauts-de-France, l’IA ne relève plus de la promesse : elle change concrètement la prise en charge des patients.
Quand on parle d’intelligence artificielle en santé, on pense souvent aux géants américains, aux laboratoires de la Silicon Valley ou aux hôpitaux universitaires parisiens. Rarement aux centres hospitaliers de villes moyennes du nord de la France. Et pourtant, c’est précisément là que certaines des applications les plus concrètes de l’IA médicale sont en train de faire leurs preuves.
À Laon, l’IRM passe de 15 à 7 minutes grâce à l’IA
Suivez LJG sur Google
Ajoutez LJG à vos sources préférées pour voir nos articles en priorité dans "À la une".
L’hôpital de Laon, dans l’Aisne, a installé en septembre 2025 un logiciel d’intelligence artificielle sur son IRM. Le principe : l’algorithme accélère les séquences d’acquisition et améliore la qualité des images, permettant de réduire drastiquement la durée de chaque examen.
Les chiffres sont parlants. Avant l’IA, un examen IRM durait environ 15 minutes. Désormais, il se boucle en 7 à 8 minutes. Cette accélération a un effet domino immédiat : le service réalise 4 à 5 examens supplémentaires par jour. En six mois, le délai d’attente pour obtenir un rendez-vous est passé de deux mois à six semaines.
Le Dr Abdullah Tarroun, chef du service de radiologie de l’hôpital de Laon, replace ce gain dans son contexte : dans un désert médical comme l’Aisne, disposer d’un équipement performant permet de compenser en partie le manque de personnel médical et paramédical. L’option IA a coûté 90 000 euros pour l’IRM — un investissement modeste au regard de l’impact sur l’accès aux soins.
L’hôpital a déployé l’IA dans trois services : IRM, mammographie et radiologie conventionnelle. En mammographie, les algorithmes aident à la détection précoce de lésions suspectes. En radiologie, ils assistent les médecins dans l’interprétation des clichés. Le Dr Tarroun note d’ailleurs que depuis l’installation de ces outils, les urgentistes appellent beaucoup moins les radiologues pour des avis : l’IA apporte un premier niveau d’analyse fiable qui sécurise la lecture.
À Beauvais, un scanner qui corrige ses propres artefacts
Au centre hospitalier de Beauvais, dans l’Oise, un scanner doté d’intelligence artificielle a été acquis en 2024. Son apport est d’un autre ordre : la correction automatique des artefacts d’image.
L’exemple est concret. Un patient atteint d’un cancer ORL passe un scanner de contrôle. Il a des plombages dentaires. En temps normal, l’interaction entre les rayons X et le métal crée de fausses images — des traits blancs parasites qui brouillent la lecture. Le logiciel d’IA détecte et corrige automatiquement ces artefacts, offrant aux radiologues des images nettement plus exploitables.
L’hôpital de Beauvais a par ailleurs investi 8 millions d’euros dans la modernisation de son service de radiothérapie, intégrant des technologies de pointe pour le traitement des cancers. L’IA y joue un rôle croissant dans la planification des séances et l’ajustement des doses.
À Valenciennes, l’IA prédit les urgences cinq jours à l’avance
Le cas le plus spectaculaire se joue peut-être au centre hospitalier de Valenciennes, dans le Nord. Depuis 2019, l’établissement travaille avec la société SANIIA sur un outil de prédiction des flux aux urgences. En février 2025, une nouvelle brique a été ajoutée : un écran en temps réel dans la salle d’attente, indiquant aux patients le temps d’attente estimé avant le premier contact avec un soignant, la durée moyenne du parcours de prise en charge, et l’évolution prévue de l’affluence dans les trois heures à venir.
Les résultats sont mesurables. L’algorithme, entraîné sur plusieurs années de données historiques croisées avec des variables comme la météo, les événements locaux ou le trafic routier, affiche un taux de fiabilité de 94 % pour la prédiction des flux. Il peut anticiper l’activité jusqu’à cinq jours à l’avance, permettant à la direction de mobiliser du personnel de renfort 48 heures avant un pic prévu.
Le contexte est tendu : l’hôpital de Valenciennes a vu sa fréquentation aux urgences bondir de 50 % depuis 2009, atteignant 77 500 passages en 2024, soit environ 210 patients par jour en moyenne. Quand l’IA détecte une hausse de plus de 20 % de la patientèle attendue, un médecin supplémentaire peut être appelé en renfort sur la base du volontariat.
L’impact sur l’ambiance du service est notable. Les agents d’accueil rapportent une salle d’attente plus calme, moins de sollicitations anxieuses et une baisse des tensions. Le Dr Antoine Maisonneuve, chef du service urgences-SMUR, confirme que les soignants se sentent rassurés de savoir qu’un renfort peut être déclenché à l’avance.
La prochaine étape : un parcours patient entièrement personnalisé, où chaque malade pourra suivre les étapes de sa prise en charge et consulter une estimation de son heure de sortie.
65 % des hôpitaux français utilisent déjà l’IA
Ces trois hôpitaux ne sont pas des exceptions. Selon le baromètre de la Fédération hospitalière de France publié en septembre 2025, près de deux tiers des établissements publics de santé utilisent déjà des solutions d’intelligence artificielle en production, et 90 % prévoient de nouveaux projets d’ici trois ans.
L’aide au diagnostic et à la décision clinique arrive en tête des usages, citée par plus d’un répondant sur deux. Mais les applications se diversifient : analyse de données de santé, pilotage stratégique, logistique hospitalière, documentation clinique automatisée.
Le premier baromètre national de l’IA à l’hôpital, réalisé par l’Ifop en partenariat avec UniHA et publié en novembre 2025, confirme la dynamique : 1 051 agents hospitaliers ont répondu, dont 56 % de médecins et soignants. Un signal fort d’intérêt pour un secteur longtemps réticent aux nouvelles technologies.
Le paradoxe : tout le monde utilise l’IA, presque personne n’est formé
Car le principal frein n’est pas technologique mais humain. Selon le même baromètre, seulement 6 % des personnels hospitaliers ont reçu une formation dédiée à l’IA. L’écart entre l’adoption des outils et la montée en compétences des équipes est le point aveugle de cette transformation.
Le Dr Tarroun, à Laon, plaide d’ailleurs pour que l’intelligence artificielle soit intégrée aux études de médecine. La radiologie est en avance parce qu’elle est au contact permanent de la technologie, mais les autres spécialités suivront inévitablement.
La Haute Autorité de santé a estimé fin 2025 que les outils d’IA pouvaient être utiles aux soignants, à condition d’être utilisés de manière raisonnée. Elle doit prochainement se prononcer sur l’intérêt d’un usage direct de l’IA pour les patients — une décision qui pourrait accélérer le mouvement.
Ce qu’il faut retenir
Dans les Hauts-de-France, trois hôpitaux montrent que l’IA médicale n’est pas réservée aux CHU parisiens ou aux cliniques privées haut de gamme. Un investissement de 90 000 euros peut réduire les délais d’attente de deux semaines dans un désert médical. Un algorithme de prédiction peut transformer l’ambiance d’un service d’urgences saturé. Et un logiciel de correction d’image peut aider à diagnostiquer un cancer que les artefacts auraient pu masquer.
La question n’est plus de savoir si l’IA a sa place à l’hôpital. Elle y est déjà. Le vrai enjeu, c’est de former les soignants pour qu’ils sachent l’utiliser — et de financer les établissements qui n’ont pas encore les moyens de s’équiper.
Je suis Steven, journaliste tech chez LeJourGuinée. Je couvre l’impact de l’intelligence artificielle sur les secteurs traditionnels comme l’industrie, la santé et l’éducation. Mon rôle : montrer comment les innovations technologiques transforment concrètement notre quotidien.
