Aller au contenu

Blog › Guides

Guides

Intelligence artificielle en psychiatrie : opportunités, limites et architecture pour protéger les données

Rédaction assistée, synthèse du dossier, recherche en langage naturel : l’IA générative peut alléger le quotidien des équipes de santé mentale. À condition de connaître ses limites, de respecter le cadre européen et de bâtir une architecture où les données des patients ne sortent jamais du périmètre de soins.

Par l’équipe Lifeline · 18 min de lecture

Psychologue qui prend des notes dans un carnet pendant une séance, dans un fauteuil

L’intelligence artificielle fait son entrée dans les soins de santé mentale

En quelques années, l’IA générative est passée du laboratoire aux outils du quotidien. Des systèmes capables de lire de grandes quantités de texte, d’en extraire l’essentiel et de rédiger en langage naturel rendent possibles des tâches qui demandaient jusqu’ici un long travail manuel.

La psychiatrie est particulièrement concernée. Les équipes manipulent chaque jour un volume considérable d’informations, pour l’essentiel narratives : observations cliniques, comptes rendus de consultation, antécédents, plans thérapeutiques, transmissions infirmières, évaluations pluridisciplinaires. C’est une richesse irremplaçable pour comprendre le parcours d’un patient, mais la consulter, la structurer et la synthétiser prend du temps.

L'enjeu n'est pas de remplacer les soignants, mais de leur rendre du temps pour ce qui compte : les personnes qu'ils accompagnent.

Encore faut-il le faire dans un domaine où la confidentialité, la relation humaine et la complexité de chaque situation passent avant tout. Cet article fait le point sur ce que l’IA peut apporter, sur ce qu’elle ne sait pas faire, et sur l’architecture technique qui permet de l’utiliser sans exposer les données des patients.

Quels usages de l’IA en psychiatrie, pour quel niveau de risque ?

Tous les usages ne se valent pas. Un brouillon de compte rendu relu par un psychiatre et un score de risque suicidaire calculé automatiquement ne posent pas du tout les mêmes questions. La bonne grille de lecture : que se passe-t-il si l’IA se trompe ?

Infographie 1 · Carte des usages

Usages de l'IA en psychiatrie classés selon le risque pour le patient Trois zones. Commencer ici : transcription d'une dictée, brouillon de compte rendu, commentaires de reporting. Encadrer : synthèse du dossier avec sources, recherche en langage naturel. Validation clinique exigeante : repérage d'évolutions à examiner, prédiction du risque suicidaire, diagnostic ou proposition de traitement. Commencer ici erreur visible et corrigée à la relecture Encadrer erreur possible par omission Validation clinique exigeante erreur qui peut orienter un soin Transcriptiond'une dictée du soignant Brouillon de compte renduà partir des notes du soignant Commentaires de reportingdonnées agrégées Synthèse du dossieravec liens vers les sources Rechercheen langage naturel Repérage d'évolutionssignalées pour examen Prédiction du risquesuicidaire ou de rechute Diagnostic ou traitementproposé automatiquement souvent dispositif médical (MDR) et IA « à haut risque » (AI Act) Faible Risque pour le patient si l'IA se trompe Élevé
Commencez par la colonne de gauche. L'erreur y est visible et corrigée à la relecture. Plus on va vers la droite, plus la validation scientifique, clinique et réglementaire doit être poussée avant tout usage.

Réduire la charge administrative : l’opportunité la plus concrète

Psychiatres, psychologues, infirmiers, assistants sociaux : tous consacrent une part importante de leur temps à rédiger, mettre à jour les dossiers et préparer les réunions pluridisciplinaires. Ces tâches sont indispensables à la continuité des soins, mais souvent répétitives. C’est là que l’IA générative a le plus à offrir, et le moins à risquer.

La rédaction assistée des comptes rendus

À partir des notes d’un professionnel, l’IA propose une première version structurée : compte rendu de consultation, synthèse de réunion, document de suivi. Le soignant relit, corrige, complète et valide avant l’intégration au dossier. Il reste l’auteur et le responsable du document.

La reconnaissance vocale peut aller plus loin en transformant une dictée en projet de note. L’enregistrement d’un entretien avec un patient est un cas à part : il suppose son accord explicite, une finalité claire et une durée de conservation courte. En psychiatrie, la vigilance est double : une reformulation apparemment anodine peut changer le sens d’une observation clinique (« le patient dit entendre des voix » n’est pas « le patient entend des voix »).

Infographie 2 · L'humain dans la boucle

Boucle de validation humaine d'un document préparé par l'IA Cinq étapes : données du dossier selon les droits, l'IA propose un brouillon qui cite ses sources, le professionnel relit et corrige, il valide et signe, le document entre au dossier avec la mention assisté par IA. Les corrections servent à mesurer la qualité. Tout est journalisé. 1 Donnéesdu dossier,selon vos droits 2 IApropose un brouillonet cite ses sources 3 Professionnelrelit, corrige,complète 4 Validationet signaturedu soignant 5 Dossier patientmention« assisté par IA » les corrections mesurent la qualité de l'outil Journal : qui a demandé quoi, quelles sources ont été lues, quelle version a été validée
Aucun texte généré n'entre au dossier sans validation. L'IA propose, le professionnel dispose. Le nombre et le type de corrections sont le meilleur indicateur de la fiabilité de l'outil.

La synthèse des informations du dossier

Un dossier psychiatrique peut couvrir plusieurs années. Retrouver les événements marquants, les changements de traitement ou les éléments significatifs du parcours est parfois laborieux. Une IA intégrée au dossier patient peut proposer une synthèse, chaque affirmation renvoyant au document source. Par exemple :

Exemple de requête
« Résume les principales évolutions cliniques documentées ces trois derniers mois, en distinguant observations, traitements et événements importants, avec un lien vers chaque note. »

La synthèse donne un point d’entrée ; elle ne remplace ni la lecture des notes originales ni le jugement clinique. Le gain attendu : moins de temps à chercher et reformuler, plus de temps pour le suivi.

Retrouver l’information clinique en langage naturel

Dans un logiciel classique, on navigue d’onglet en onglet. Avec une recherche assistée par l’IA, on pose sa question : un psychiatre cherche les modifications de traitement sur une période, un infirmier les observations liées à un événement, un coordinateur les éléments utiles à une concertation. Dans les prises en charge longues et pluridisciplinaires, le gain peut être réel.

Une condition est non négociable : l’IA doit appliquer exactement les mêmes règles d’accès que le dossier patient. Elle ne doit jamais permettre d’obtenir, même indirectement, une information qu’on n’a pas le droit de consulter. Nous verrons plus bas comment l’architecture le garantit.

Soutenir l’analyse clinique, sans remplacer le jugement professionnel

Des travaux de recherche explorent la capacité de certains modèles à repérer des tendances dans les observations, les échelles d’évaluation ou l’évolution des symptômes. Chez un patient suivi depuis longtemps, une succession de notes peut documenter des changements du sommeil, de l’humeur ou du fonctionnement quotidien ; un système d’aide à la décision pourrait signaler certaines variations à examiner.

Mais mettre une information en évidence n’est pas porter un jugement clinique. Une évolution ne s’interprète qu’à la lumière du contexte personnel, social, médical et thérapeutique, de la qualité de l’alliance et de tout ce qui ne figure pas dans le dossier. Les usages de prédiction du risque suicidaire, de diagnostic automatisé ou de recommandation thérapeutique exigent une validation scientifique et clinique rigoureuse. Ils relèvent le plus souvent du règlement sur les dispositifs médicaux et de la catégorie « à haut risque » de l’AI Act.

Enfin, le RGPD (article 22) interdit qu’une décision produisant des effets importants pour une personne repose uniquement sur un traitement automatisé. En soins, la décision reste au professionnel.

Faciliter le reporting et le pilotage des établissements

Les directions peuvent aussi en bénéficier. Les structures de santé mentale produisent régulièrement des rapports d’activité mêlant chiffres et analyse narrative. L’IA peut aider à :

  • commenter l’évolution des indicateurs et comparer des périodes ;
  • repérer des variations qui méritent une analyse ;
  • rédiger une première synthèse d’un tableau de bord ;
  • structurer la partie narrative d’un rapport.

Ces usages travaillent sur des données agrégées, ce qui limite fortement l’exposition des patients. Mais une IA ne compense jamais une mauvaise qualité de données : doublons, dates manquantes ou catégories incohérentes produisent des commentaires trompeurs, rédigés avec assurance. Avant toute analyse avancée, il faut une collecte fiable, des indicateurs définis par écrit et des contrôles.

Les limites de l’intelligence artificielle en psychiatrie

Exactitude

Les « hallucinations »

Un modèle génératif peut produire une réponse plausible mais fausse : information omise, chronologie inversée, hypothèse présentée comme un fait. D'où l'exigence de sources vérifiables et de validation.

Nuance

Le sens clinique des mots

Ironie, ambivalence, silences, particularités culturelles ou linguistiques : une même phrase peut dire des choses très différentes selon la personne et le contexte. L'IA organise l'information sans en saisir toute la portée.

Équité

Les biais algorithmiques

Langue, âge, origine, situation sociale : un modèle évalué sur une population n'est pas fiable pour toutes. Dans un secteur déjà exposé à la stigmatisation, chaque usage doit être testé sur les patients réels de l'établissement.

Relation

L'alliance thérapeutique

Un texte peut sembler empathique sans qu'il y ait écoute, responsabilité ni compréhension de la vie du patient. L'IA n'est pas un interlocuteur thérapeutique autonome.

Le piège de l'automatisation
Plus un outil est souvent juste, plus on a tendance à ne plus le relire. Prévoyez des relectures par sondage, la formation des équipes (l'article 4 de l'AI Act demande depuis février 2025 de développer la maîtrise de l'IA chez les utilisateurs) et un moyen simple de signaler une erreur.

Quelle architecture pour une IA qui protège les données des patients ?

Les données de santé mentale comptent parmi les plus sensibles qui soient. Avant toute question de fonctionnalité, quatre questions de fond se posent : où les données sont-elles traitées, qui peut y accéder, sont-elles conservées par un prestataire, et peuvent-elles servir à entraîner un modèle ? La réponse tient dans l’architecture. Voici celle que nous recommandons pour tout projet d’IA touchant au dossier patient.

Le principe : l’IA vient aux données, pas l’inverse

Coller un extrait de dossier dans un chatbot grand public, c’est envoyer des données de santé chez un tiers, sans contrat adapté, sans contrôle de leur localisation ni de leur réutilisation. L’architecture inverse la logique : le modèle tourne dans un environnement maîtrisé, en Europe, derrière le dossier patient, et ne reçoit que le strict nécessaire, déjà filtré par les droits de l’utilisateur.

Infographie 3 · Architecture de référence

Architecture de référence d'une IA confidentielle intégrée au dossier patient Les professionnels se connectent au dossier patient avec une authentification forte. Toute demande passe par une passerelle IA qui contrôle les droits, minimise et pseudonymise les données, applique des gabarits et filtre la sortie. La passerelle interroge un index de recherche filtré par les droits et séparé par établissement, puis un modèle de langage auto-hébergé ou un service en région UE sans rétention ni entraînement. Un journal d'audit et des clés de chiffrement gérées par l'établissement complètent l'ensemble. Ne sortent jamais du périmètre : chatbot grand public, réutilisation pour l'entraînement, traitement ou support hors UE. Psychiatre Infirmier Direction 1 Environnement maîtrisé · région UE Dossier patient informatisé authentification forte (MFA, SSO) droits par équipe, unité, rôle Base de données chiffrée au repos et en transit sauvegardes chiffrées 2 Passerelle IA : le point de contrôle unique Contrôle des droits de l'utilisateur Minimisation, pseudonymisation Gabarits de requêtes validés Filtres de sortie, sources citées 3 4 Index de recherche (RAG) ne renvoie que ce que l'utilisateur peut lire · séparé par établissement Modèle de langage auto-hébergé ou service en UE sans rétention ni entraînement Journal d'audit qui, quand, quelles sources Clés de chiffrement gérées par l'établissement 7 Sortie brouillon avec sources, validé par le soignant 5 6 Ne sort jamais vers un chatbotgrand public pour entraînerun modèle vers un traitementou un support hors UE
Architecture de référence, indépendante de tout fournisseur. Le modèle ne voit que ce que l'utilisateur a le droit de voir, déjà réduit au nécessaire, et rien ne quitte l'environnement maîtrisé. Les numéros renvoient aux 7 verrous détaillés ci-dessous.

Les 7 verrous, étape par étape

  1. Identifier l’utilisateur. Authentification forte (double authentification, idéalement unique avec le reste du système d’information), session limitée dans le temps.
  2. Passer par une passerelle unique. Aucune application, aucun poste n’appelle le modèle directement. La passerelle centralise les contrôles, les quotas et la journalisation ; on peut la couper d’un geste en cas d’incident.
  3. Appliquer les droits avant le modèle. La recherche documentaire (RAG, pour retrieval-augmented generation) ne remonte que les documents que l’utilisateur peut déjà ouvrir dans le dossier. Le filtrage se fait à la source, pas dans la réponse : ce que le modèle n’a pas lu, il ne peut pas le divulguer.
  4. Utiliser un modèle sans mémoire. Hébergé dans l’Union européenne, sans conservation des requêtes au-delà du traitement, contractuellement exclu de tout entraînement, joignable par un réseau privé plutôt que par internet.
  5. Contrôler la sortie. Chaque affirmation renvoie à sa source ; les réponses sans source sont signalées ; le texte est présenté comme un brouillon.
  6. Faire valider par un humain. Rien n’entre au dossier sans relecture et validation par un professionnel habilité.
  7. Tout tracer, et protéger les traces. Qui a demandé quoi, quelles sources ont été lues, quelle version a été validée. Ces journaux contiennent eux-mêmes des données de santé : chiffrés, accès restreint, durée de conservation définie.

Même question, deux utilisateurs, deux réponses

Le verrou n° 3 est le plus important, et le plus souvent oublié. Un assistant IA branché « à plat » sur toute la base de données répondrait à n’importe qui sur n’importe quel patient. Le filtrage par droits l’en empêche :

Infographie 4 · Recherche filtrée par les droits

Deux utilisateurs posent la même question et obtiennent des réponses différentes selon leurs droits Question : résume les trois derniers mois de ce patient. L'infirmier de l'unité A reçoit les transmissions infirmières et le traitement. L'assistant social reçoit le rapport social. Les notes psychiatriques restent réservées aux médecins. Chaque réponse précise ce qui n'a pas pu être consulté. « Résume les trois derniers mois de ce patient » Infirmier, unité A droits : soins infirmiers Assistant social droits : volet social Transmissions infirmières Traitement en cours Rapport social Notes psychiatriques (médecins) Réponse synthèse des transmissions et du traitement, avec liens vers les 2 sources « Certaines notes ne sont pas accessibles. » Réponse synthèse du rapport social, avec lien vers la source « Certaines notes ne sont pas accessibles. »
Exemple fictif. Les documents filtrés ne sont jamais transmis au modèle : il ne peut donc ni les résumer ni en laisser deviner le contenu. Les droits réels dépendent de la configuration de chaque établissement.

Minimiser ce que le modèle voit

Le RGPD impose de ne traiter que les données nécessaires. Pour beaucoup d’usages (reformuler, structurer, commenter un indicateur), le modèle n’a besoin ni du nom, ni du numéro de registre national, ni de l’adresse du patient. La passerelle les remplace par des balises avant l’envoi, et les remet en place au retour :

Note saisie

Jean D., né le 12/03/1975, NISS 75.03.12-xxx.xx, domicilié rue …, 1020 Laeken. Sommeil perturbé depuis 2 semaines.

Ce que reçoit le modèle

[PATIENT], 51 ans. Sommeil perturbé depuis 2 semaines.

Attention : pseudonymiser n’est pas anonymiser. Un récit clinique reste souvent ré-identifiable par son contenu (un métier rare, un événement daté, un lieu). Les données pseudonymisées restent des données personnelles, avec toutes les obligations qui s’y attachent. La pseudonymisation réduit le risque ; elle ne dispense d’aucun des autres verrous.

Où faire tourner le modèle ? Trois options

Modèle auto-hébergé, en UEService managé d'un cloud, région UEChatbot grand public
Où vont les données ?Serveurs de l'établissement ou de son éditeur, en UERégion UE choisie, réseau privé possibleInconnu ou hors UE
Conservation des requêtesMaîtriséeDésactivable par contrat (« zéro rétention »)Souvent conservées
Réutilisation pour l'entraînementNonExclue par contratPossible selon les réglages
Qualité des modèlesBonne avec les modèles ouverts récents, inférieure aux meilleursAccès aux modèles les plus performantsÉlevée
Coût et exploitationServeurs GPU, mises à jour, équipe compétentePaiement à l'usage, exploitation allégéeFaible, mais hors cadre
Droit applicableEuropéenEuropéen, mais un fournisseur non européen peut rester soumis à des lois extraterritoriales : chiffrement avec clés de l'établissementConditions générales du fournisseur
Données patients ?Oui, avec les 7 verrousOui, avec les 7 verrous et un contrat de sous-traitanceNon

Il n’y a pas de bonne réponse universelle : un service managé en région UE offre souvent le meilleur compromis entre qualité et maîtrise ; l’auto-hébergement maximise la souveraineté au prix d’une exploitation plus lourde. La colonne de droite, elle, est hors jeu pour toute donnée de patient.

10 questions à poser à tout fournisseur d’IA

Où les données sont-elles traitées ?

Région précise, y compris pour le support, les sauvegardes et la supervision.

Combien de temps sont-elles conservées ?

Idéalement aucune conservation au-delà du traitement de la requête.

Servent-elles à entraîner un modèle ?

La réponse doit être « non », écrite dans le contrat.

Y a-t-il un contrat de sous-traitance ?

Article 28 du RGPD, avec la liste des sous-traitants ultérieurs.

Les droits d'accès du DPI sont-ils respectés ?

Filtrage avant le modèle, démontré par des tests.

Qui détient les clés de chiffrement ?

Au mieux, l'établissement ou son éditeur, pas le fournisseur du modèle.

Que contient le journal ?

Et qui peut le consulter, combien de temps, sous quelle protection.

Comment la qualité est-elle mesurée ?

Jeux de tests en français, sur des cas de santé mentale, taux d'erreurs publiés.

Quel statut réglementaire ?

Dispositif médical ou non, classe AI Act, documentation disponible.

Que se passe-t-il en cas d'incident ?

Délai de notification, arrêt possible de la fonction, suppression en fin de contrat.

Ce que disent le RGPD, l’AI Act et les autres règles

Utiliser l’IA sur des données de patients mobilise plusieurs textes à la fois. Aucun n’interdit l’IA en santé ; tous demandent de savoir ce qu’on fait, pourquoi, et avec quelles garanties.

TexteCe qu'il demande pour un projet d'IA
RGPD (et loi belge du 30 juillet 2018)Données de santé = catégorie particulière (art. 9) ; finalité précise ; minimisation ; contrat avec chaque sous-traitant (art. 28) ; sécurité adaptée (art. 32) ; analyse d'impact (AIPD, art. 35), quasi systématique pour l'IA sur des données de santé ; pas de décision fondée uniquement sur un traitement automatisé (art. 22) ; encadrement des transferts hors UE.
AI Act (règlement UE 2024/1689)Mesures pour développer la maîtrise de l'IA des personnes qui l'utilisent (art. 4, depuis février 2025) ; transparence quand on interagit avec une IA (art. 50, août 2026) ; pour les systèmes « à haut risque », dont l'IA intégrée à un dispositif médical soumis à évaluation par un organisme notifié : gestion des risques, qualité des données, documentation, supervision humaine, et pour l'établissement utilisateur (art. 26) usage conforme aux instructions, surveillance et conservation des journaux. Échéances reportées par le règlement 2026/1744 : décembre 2027 (annexe III), août 2028 (dispositifs médicaux).
Règlement dispositifs médicaux (MDR 2017/745)Un logiciel destiné à diagnostiquer, prédire ou orienter un traitement est un dispositif médical, le plus souvent de classe IIa ou plus (règle 11) : marquage CE obligatoire. Un outil de rédaction ou de recherche documentaire sans finalité médicale propre n'en est généralement pas un.
Loi relative aux droits du patient (22 août 2002)Information du patient, droit d'accès à son dossier, confidentialité. L'enregistrement d'un entretien suppose l'accord du patient.
NIS2 (loi belge du 26 avril 2024)Pour une partie des établissements de santé : gestion des risques cyber, y compris ceux des fournisseurs, et notification des incidents.
Espace européen des données de santé (EHDS, 2025/327)Encadre l'échange et la réutilisation des données de santé, notamment pour la recherche et l'entraînement d'algorithmes, via des organismes d'accès et des environnements sécurisés, sur un calendrier progressif.

Infographie 5 · Calendrier de l'AI Act

Calendrier d'application de l'AI Act, modifié en 2026 1er août 2024 : entrée en vigueur. 2 février 2025 : pratiques interdites et maîtrise de l'IA. 2 août 2025 : modèles d'IA à usage général. 2 août 2026 : obligations de transparence. 2 décembre 2027 : systèmes à haut risque de l'annexe III. 2 août 2028 : IA intégrée aux produits réglementés comme les dispositifs médicaux. Août 2024 Févr. 2025 Août 2025 Août 2026 Déc. 2027 Août 2028 Entréeen vigueur Interdictions+ maîtrise de l'IA(art. 4) IA à usagegénéral(grands modèles) Transparencedire qu'on parleà une IA (art. 50) Haut risquesystèmesde l'annexe III Dispositifsmédicauxavec IA reportés par le règlement 2026/1744
Calendrier modifié par l’« omnibus numérique ». Le règlement (UE) 2026/1744, entré en vigueur le 27 juillet 2026, a reporté les obligations des systèmes à haut risque : décembre 2027 pour ceux de l'annexe III, août 2028 pour l'IA intégrée à un dispositif médical. Les autres échéances sont inchangées.

Pour un établissement, le message est simple : l’IA s’adopte avec une gouvernance. Avant de déployer un outil, il faut en connaître la finalité, les limites, le statut réglementaire et les mécanismes de contrôle. On n’introduit pas l’IA parce que la technologie existe, mais parce qu’elle apporte un bénéfice démontrable, avec un risque acceptable.

Comment intégrer l’IA pas à pas dans un établissement de santé mentale ?

La démarche la plus sûre consiste à commencer petit, sur des usages à risque limité dont les résultats se mesurent facilement, puis à élargir seulement si les critères sont atteints.

Infographie 6 · Feuille de route en 5 étapes

Feuille de route en cinq étapes pour intégrer l'IA 1 Besoins réels, critère : un problème mesuré. 2 Données et cadre, critère : AIPD et contrat signés. 3 Pilote d'assistance, critère : validation humaine systématique. 4 Évaluation, critère : gains et erreurs mesurés. 5 Extension, critère : accord des soignants, du DPO et de la direction. 1. Besoinsréels 2. Donnéeset cadre 3. Piloted'assistance 4. Évaluationmesurée 5. Extensionprogressive Pour passer à l'étape suivante : un problèmechiffré AIPD et contratsignés validation humainesystématique gains et erreursmesurés accord soignants,DPO et direction
Chaque étape a un critère de passage. Si un critère n'est pas atteint, on corrige ou on s'arrête : un pilote abandonné à temps est un succès de gouvernance.

1. Partir des besoins réels

Les professionnels passent-ils trop de temps à rédiger ? Peinent-ils à retrouver certaines informations ? La direction multiplie-t-elle les manipulations pour ses rapports ? Un problème concret, si possible chiffré, permet de choisir un cas d’usage pertinent et de mesurer ensuite le gain.

2. Vérifier les données et poser le cadre

La fiabilité d’une IA dépend des informations qu’elle utilise : un dossier structuré, des règles de saisie claires et des nomenclatures partagées sont le socle. C’est aussi le moment de réaliser l’analyse d’impact (AIPD) avec le DPO, de signer le contrat de sous-traitance et de valider l’architecture.

3. Commencer par des fonctions d’assistance

Synthèses documentaires, aide à la rédaction, analyse de données administratives : ces usages permettent d’évaluer les bénéfices sans confier de décision clinique au système. Les contenus générés restent soumis à validation humaine.

4. Mesurer, ne pas supposer

  • temps réellement gagné, mesuré avant et après ;
  • exactitude des contenus et nombre d’erreurs détectées ;
  • satisfaction des utilisateurs et effets sur l’organisation du travail ;
  • incidents de sécurité ou de confidentialité.

5. Associer soignants, DPO et patients

Un projet d’IA ne doit pas être piloté par la seule équipe informatique. Professionnels de santé, direction, responsable qualité, délégué à la protection des données et, selon les cas, représentants des patients doivent participer à sa conception comme à son évaluation. C’est la meilleure garantie d’usages adaptés au terrain.

Lifeline : construire les fondations d’une IA utile et responsable

Chez Lifeline, nous partons d’un principe : la technologie doit soutenir les professionnels dans leur mission, jamais se substituer à leur expertise. Et avant de tirer parti de l’IA, un établissement a besoin de fondations numériques solides. Ce sont elles que nous construisons.

Données

Structurées et centralisées

Lifeline centralise le dossier, les observations, l'agenda et les activités des professionnels : une source unique, exploitable dans le respect des droits d'accès.

Sécurité

Hébergement européen

Données hébergées dans l'Union européenne, chiffrées au repos, double authentification disponible, droits d'accès définis par équipe. Voir notre article sur la sécurité des données de soins.

Ouverture

Interopérabilité HL7 FHIR

Des données représentées selon des modèles communs, prêtes à être échangées. Lire pourquoi FHIR devient incontournable.

Notre expérience de l’interopérabilité est concrète : D-Health participe au projet Data Capabilities MOB-PSY BXL, avec le Centre Hospitalier Jean Titeca, le CHU Saint-Pierre, le CHU Brugmann et Epsylon.

  • D-Health · Lifeline
  • CH Jean Titeca
  • CHU Saint-Pierre
  • CHU Brugmann
  • Epsylon

Pour nous, la valeur de l’IA ne se mesure pas au nombre de fonctionnalités, mais à sa capacité à simplifier le travail administratif, à faciliter l’accès à l’information, à soutenir la continuité des soins et le pilotage, et à préserver le temps consacré à l’accompagnement humain. L’intégration éventuelle de capacités d’IA dans Lifeline suivra donc les principes décrits dans cet article : progressive, sécurisée, avec les droits d’accès appliqués avant le modèle, des données qui restent en Europe et une validation humaine systématique.

Questions fréquentes

Peut-on utiliser ChatGPT ou un autre chatbot grand public pour rédiger ses notes cliniques ?

Non, pas avec des données de patients. Un service grand public n’offre ni contrat de sous-traitance adapté, ni garantie sur la localisation, la conservation ou la réutilisation des données. Même sans nom, un récit clinique peut permettre de ré-identifier une personne. Seul un outil évalué et encadré par l’établissement doit être utilisé.

Une IA qui résume le dossier est-elle un dispositif médical ?

En général non, tant qu’elle aide à retrouver et organiser l’information sans finalité médicale propre. Elle le devient si elle est destinée à diagnostiquer, prédire un risque ou orienter un traitement : le règlement européen sur les dispositifs médicaux s’applique alors, avec marquage CE, et l’AI Act la classe le plus souvent « à haut risque ».

Qu'est-ce que l'AI Act impose à un établissement de santé mentale ?

Depuis février 2025, tout établissement qui utilise de l’IA doit prendre des mesures pour développer la maîtrise de l’IA de son personnel (article 4). Pour un système à haut risque, il devra aussi l’utiliser conformément aux instructions, confier la supervision à des personnes compétentes, surveiller son fonctionnement et conserver les journaux (article 26), à partir de décembre 2027, ou d’août 2028 pour l’IA intégrée à un dispositif médical.

Les données des patients peuvent-elles servir à entraîner le modèle ?

Elles ne devraient jamais l’être sans cadre spécifique. Dans une architecture sûre, le fournisseur s’engage par contrat à ne pas conserver les requêtes et à ne pas les utiliser pour l’entraînement. La réutilisation de données de santé pour développer des algorithmes relève d’un autre cadre, que l’espace européen des données de santé organise progressivement.

Une analyse d'impact (AIPD) est-elle obligatoire ?

Dans la grande majorité des cas, oui : le traitement de données de santé à l’aide d’une technologie nouvelle fait partie des situations qui exigent une analyse d’impact relative à la protection des données. Elle se mène avec le DPO, avant le déploiement.

Faut-il le consentement du patient pour utiliser l'IA ?

Le traitement des données dans le cadre des soins ne repose généralement pas sur le consentement, mais sur la nécessité de la prise en charge (article 9.2.h du RGPD). Le patient doit en revanche être informé de l’usage d’outils d’IA, et l’enregistrement d’un entretien suppose son accord explicite. À valider avec votre DPO.

Lifeline propose-t-il des fonctions d'intelligence artificielle ?

Lifeline construit d’abord les fondations nécessaires : données structurées, hébergement européen, droits d’accès par équipe et interopérabilité FHIR. Toute capacité d’IA éventuelle respectera les principes de cet article : droits appliqués avant le modèle, données en Europe, aucune réutilisation pour l’entraînement et validation humaine.

Glossaire

IA générative
IA capable de produire du texte, des images ou du son à partir d'une consigne.
Modèle de langage (LLM)
Modèle d'IA entraîné sur de grandes quantités de texte pour comprendre et rédiger.
Hallucination
Réponse plausible mais fausse produite par un modèle génératif.
RAG
Retrieval-augmented generation : le modèle répond à partir de documents retrouvés au préalable, qu'il peut citer.
Pseudonymisation
Remplacement des données identifiantes par des balises ; les données restent personnelles.
Zéro rétention
Engagement du fournisseur à ne conserver aucune requête après traitement.
AIPD
Analyse d'impact relative à la protection des données (article 35 du RGPD).
AI Act
Règlement européen 2024/1689 sur l'intelligence artificielle, fondé sur les niveaux de risque.

Conclusion : une technologie prometteuse, au service de l’humain

L’IA ouvre de vraies perspectives à la santé mentale : rédaction assistée, synthèse des dossiers, recherche d’informations, reporting. Ces promesses ne doivent pas masquer ses limites. La psychiatrie exige une compréhension fine de chaque situation, un jugement clinique rigoureux et une relation fondée sur la confiance ; rien de cela ne se délègue à une machine.

L’avenir n’est donc pas une psychiatrie automatisée, mais une psychiatrie où les professionnels disposent d’outils qui les assistent efficacement, dans une architecture où les données des patients restent protégées, en Europe, et accessibles aux seules personnes autorisées. C’est cette transformation progressive, pragmatique et responsable que nous défendons chez Lifeline, pour que la technologie rende du temps à l’essentiel : les personnes accompagnées.

Préparer aujourd’hui la santé mentale numérique de demain

Vous voulez moderniser votre dossier patient informatisé et bâtir une infrastructure prête pour les prochaines évolutions, IA comprise ? Parlons des besoins de votre établissement.

Sources

  • Règlement (UE) 2016/679 (RGPD), articles 9, 22, 25, 28, 32 et 35 ; loi belge du 30 juillet 2018 relative à la protection des personnes physiques à l’égard des traitements de données à caractère personnel : eur-lex.europa.eu, autoriteprotectiondonnees.be
  • Règlement (UE) 2024/1689 sur l’intelligence artificielle (AI Act), articles 4, 6, 26, 50 et 113, modifié par le règlement (UE) 2026/1744 (« omnibus numérique sur l’IA ») : eur-lex.europa.eu, artificialintelligenceact.eu
  • Règlement (UE) 2017/745 relatif aux dispositifs médicaux, annexe VIII, règle 11 ; guide MDCG 2019-11 sur la qualification des logiciels : health.ec.europa.eu
  • Loi du 22 août 2002 relative aux droits du patient : ejustice.just.fgov.be
  • Loi du 26 avril 2024 établissant un cadre pour la cybersécurité des réseaux et des systèmes d’information (NIS2) : ccb.belgium.be
  • Règlement (UE) 2025/327 relatif à l’espace européen des données de santé : eur-lex.europa.eu

À lire aussi