Les 6 axes d'une gouvernance IA
responsable en établissement de santé

Vision stratégique et feuille de route IA

Une gouvernance IA responsable commence par une vision claire : à quoi doit servir l'IA dans votre établissement, pour quels enjeux prioritaires, avec quelles limites et quel niveau d'ambition. L'enjeu est d'inscrire les projets IA dans une feuille de route réaliste, alignée avec le projet d'établissement, le projet médical partagé, le projet social et la stratégie numérique.

• Clarifier les finalités prioritaires : amélioration de la qualité des soins, soutien aux professionnels, optimisation des processus, pilotage médico-économique, attractivité et QVCT.
• Cartographier les usages actuels et envisagés de l'IA (clinique, médico-technique, RH, gestion, formation, communication…).
• Définir une trajectoire pluriannuelle : phases d'exploration, expérimentation, déploiement et industrialisation.
• Organiser une gouvernance partagée associant direction, CME, DSI, DRH, directions des soins, qualité et représentants des professionnels.

Conformité réglementaire et gestion des risques

L'IA en santé ne peut se développer durablement sans un socle de conformité et de maîtrise des risques. Cela implique de savoir où se trouvent les systèmes d'IA dans l'établissement, sur quelles données ils s'appuient, quelles décisions ils influencent et comment ils sont contrôlés.

Le règlement AI Act impose notamment aux établissements de santé de tenir à jour un registre des systèmes d'IA à haut risque, de garantir une supervision humaine effective et de documenter les mesures de gestion des risques. Le référentiel de certification HAS version 2025 (6e cycle) évalue la capacité de l'établissement à maîtriser la gouvernance de ses outils numériques, y compris les solutions intégrant de l'IA.

• Mettre en place un registre des systèmes d'IA de l'établissement ou du GHT (solutions internes, éditeurs, dispositifs médicaux numériques, outils bureautiques augmentés par l'IA…).
• Vérifier la conformité au cadre AI Act (classification des risques, obligations des déployeurs), au RGPD, aux exigences de la CNIL et à la politique de sécurité des systèmes d'information (PSSI).
• Documenter les risques principaux : biais algorithmiques, erreurs de traitement, dépendance technologique, cybersécurité, confidentialité des données de santé, atteinte à l'e-réputation.
• Structurer un dispositif de gouvernance des risques : comité IA, articulation avec le comité éthique, cellule qualité-gestion des risques et instances de dialogue social.

Qualité, sécurité des soins et évaluation des usages

Chaque usage de l'IA en santé doit être interrogé à l'aune de la qualité et de la sécurité des soins. La question centrale est toujours : en quoi cet usage améliore-t-il concrètement la prise en charge des patients et le travail des professionnels, sans créer de nouveaux risques non maîtrisés ?

L'intégration de l'IA doit aussi être pensée sous l'angle de la charge cognitive des équipes : mal déployée, l'IA peut ajouter des doubles saisies, multiplier les alertes non pertinentes et renforcer la pression sur les professionnels sans revoir l'organisation du travail. L'enjeu est d'en faire un levier d'allègement et non une couche de complexité supplémentaire. Ces enjeux sont détaillés dans mes fiches WEKA Santé consacrées à la gouvernance de l'IA en établissement de santé et à l'adaptation de la charge mentale au poste de travail (voir Ressources WEKA Santé associées en bas de page).

• Définir des critères de succès pour chaque usage (qualité des décisions, délais, charge mentale, satisfaction des équipes, indicateurs qualité…).
• Intégrer les projets d'IA dans les démarches qualité, la gestion des risques, la certification HAS (6e cycle) et les analyses de pratiques professionnelles.
• Prévoir une phase d'évaluation structurée : protocole, mesure des effets sur le travail réel, retours d'expérience, ajustements.
• Garantir la transparence des usages auprès des patients et des professionnels lorsque les décisions sont influencées par un système d'IA.

Leadership, culture et accompagnement du changement

L'IA ne se déploie pas uniquement par la technologie ; elle se déploie par le leadership, la pédagogie et la qualité du dialogue dans l'établissement. Les équipes attendent des repères clairs : ce qui est autorisé, ce qui est encouragé, ce qui est interdit, et comment l'IA va modifier — ou non — leur travail quotidien, leur charge mentale et le sens de leur métier.

Ces approches ont été travaillées dans le cadre de programmes d'amélioration du travail en équipe (programme PACTE de la HAS) et de missions de conseil et de formation auprès d'établissements de santé, en lien avec le CNEH, l'EHESP, WEKA Santé et ManagerSante.com®.

• Affirmer une vision de direction sur l'IA : opportunités, limites, principes éthiques, posture vis-à-vis des équipes.
• Impliquer la CME, les cadres, les managers de proximité et les représentants du personnel dans la réflexion et les décisions.
• Organiser des temps d'échanges réguliers : séminaires de direction, ateliers métiers, réunions d'équipes, webinaires internes.
• Traiter les sujets sensibles (crainte de substitution, charge de travail, QVCT, sens du métier) avec transparence et co-construction.

Compétences, formation et simulation en santé

Aucune gouvernance IA ne tient sans un investissement structuré dans les compétences, à tous les niveaux : directions, managers, soignants, fonctions support. L'enjeu est moins de former des experts techniques que de développer une culture partagée, des réflexes de bon usage et des repères de discernement face aux outils d'IA.

Les formations que j'anime au CNEH (4 modules certifiés, éligibles Qualiopi et financement OPCO/ANFH) et mes interventions à l'EHESP intègrent systématiquement la simulation en santé, les cas d'usage concrets et les mises en situation pour ancrer les apprentissages dans la réalité du terrain. En savoir plus sur les formations IA santé →

• Construire un plan de développement des compétences IA pour les dirigeants, les cadres, les professionnels de santé, les fonctions support et les équipes formation.
• Intégrer la simulation en santé, les cas d'usage concrets et les mises en situation dans les dispositifs de formation pour sortir du discours purement théorique.
• Articuler les formations IA avec les enjeux de qualité, de gestion des risques, de QVCT, de management et de certification HAS (6e cycle, 2025–2030).
• S'appuyer sur les dispositifs de financement et de certification (Qualiopi, opérateurs de compétences, ANFH, etc.) pour structurer l'offre de formation.

Pilotage, indicateurs et amélioration continue

Une gouvernance IA responsable repose sur un pilotage régulier et objectivé : quelles solutions sont réellement utilisées, quels bénéfices sont observés, quels incidents ou signaux faibles doivent conduire à ajuster la trajectoire.

• Mettre en place un tableau de bord IA : cartographie des projets, niveaux de déploiement, bénéfices attendus et observés, principaux risques et plans d'action.
• Organiser des revues périodiques en comité IA, en COMEX, en CME et dans les instances ad hoc, pour partager les avancées et arbitrer les priorités.
• Capitaliser sur les retours d'expérience des équipes : succès, freins, besoins non couverts, points de vigilance.
• Ajuster régulièrement la feuille de route en fonction des résultats, des nouveaux usages, des évolutions réglementaires (AI Act, certification HAS) et de l'offre du marché.