Med in tech

“Je n’arrive plus à mâcher depuis quelques jours, j’ai une douleur au fond de la mâchoire, en bas à gauche. Qu’est-ce que j’ai ?” - envoyé à ChatGPT

J’observe autour de moi que de plus en plus de monde demander à ChatGPT des conseils médicaux voire un diagnostic.
À l’heure où les LLM et les outils de modélisation des données biomédicales progressent à une vitesse folle, la promesse d’une médecine plus personnalisée paraît de plus en plus concrète. Mais entre espoirs technologiques, complexité du vivant et contraintes du système de santé, l’IA pourra-t-elle un jour réellement comprendre le vivant ?

Dans cet épisode, Vassili Soumelis, Directeur Médical chez ArcaSciences, médecin, chercheur en immunologie et ancien directeur médical chez Owkin, nous explique pourquoi une IA capable de nous soigner est encore loin d’exister.

Dans cet échange passionnant, on y parle de découverte de médicaments, d’essais cliniques, de bénéfice-risque, de modèles prédictifs, mais aussi des limites très concrètes de l’intelligence artificielle lorsqu’elle se confronte à la complexité biologique. Car si l’IA peut déjà accélérer certaines étapes de la recherche et aider à mieux exploiter la littérature scientifique ou les données patients, elle ne résout pas, à elle seule, les zones d’ombre du vivant.

Dans cet échange, on parle sans détour :
Du rôle réel de l’IA dans la médecine et la pharma,

Des promesses et des limites des LLM pour personnaliser les traitements,

De la difficulté à modéliser un patient ou une maladie,

Et des freins scientifiques, économiques et structurels à dépasser pour faire émerger une médecine vraiment individualisée.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

“Est-ce que c’est utile d’utiliser l’impôt des Français pour ce dispositif médical numérique ?”

C’est LA question à laquelle doivent répondre les entrepreneurs qui souhaitent obtenir un remboursement PECAN, ce dispositif de financement temporaire dédié aux solutions de télésurveillance et de thérapie digitale.

2 ans après son lancement, je fais le bilan avec le pilote du programme : Vincent Vercamer.
Lors de notre premier échange en 2023, nous parlions projections et ambitions : combien de dossiers seraient déposés ? Combien iraient au bout ? Les médecins prescriraient-ils réellement ces solutions ?

Aujourd’hui, place aux résultats : 12 dossiers évalués par la HAS, 4 avis positifs uniquement en télésurveillance, et aucune thérapie digitale retenue.
Pour rappel, le PECAN offre un an de financement à des DM numériques présentant une présomption d’innovation. L’objectif : apporter des premières preuves, souvent organisationnelles, et financer les études cliniques nécessaires pour espérer intégrer ensuite le droit commun.

Avec Vincent, on analyse ce bilan à travers des cas concrets :
Axomove : refusé une première fois, puis finalement validé 6 mois plus tard après un ajustement de méthodologie.

Cureety : passé de 50 patients par mois au démarrage à 2 000 à la fin du PECAN.

Les raisons du refus des deux DiGA, ces thérapies numériques pourtant remboursées en Allemagne, et pourquoi traverser une frontière réglementaire n’a rien d’automatique.

Ce que je retiens de cet échange : partir d’un problème patient ne suffit pas. Pour réussir dans la santé, il faut penser dès le départ à l’intégration dans le système de soins… et au circuit de prescription.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

“Prévenir plutôt que guérir” à l’ère de l’IA et de la donnée : et si la médecine de demain se jouait bien avant l’apparition des premiers symptômes ?

Dans ce premier podcast de 2026, j’ai reçu Alaedine Benani de Zoï pour une discussion passionnante sur les limites du système curatif actuel et les pistes concrètes pour construire une médecine préventive grâce à l’utilisation de la donnée.

Zoï est une clinique d' un nouveau genre, qui prétend révolutionner la manière préventive qui propose des bilans 360 de santé approfondis, personnalisés et fondés sur la science, avec une ambition claire : détecter plus tôt, mieux comprendre et réduire le risque de maladies, notamment chroniques, avant l’apparition des symptômes.

Si la médecine moderne excelle dans la prise en charge des maladies aiguës, les maladies chroniques constituent en revanche un défi majeur pour nos systèmes de santé. Elles se développent sur des années, voire des décennies, bien avant l’apparition des premiers symptômes. Dans ce contexte, l’exploitation de données longitudinales, associée à une prévention précoce et à une observance étendue, offre une opportunité concrète d’intervenir en amont et de réduire la pression exercée sur les services de soins en aval.

Le modèle économique d’une entreprise telle que Zoī, centrée prévention, si elle convainc de plus en plus nos institutions publiques, doit toutefois continuer à convaincre de sa rentabilité médico-économique. Plus largement, comment un tel modèle peut passer à l'échelle ?
Peut-on imaginer qu’un jour, la sécurité sociale remboursera à terme un bilan préventif de santé annuel pour les 70 millions de français ?

Dans cet échange, on parle avec Aleadine sans langue de bois :
De la relation médecin–patient à l’ère de la data,

De prévention individuelle vs santé publique,

Du rôle réel (et des limites) de l’IA et des LLMs,

Et de ce qu’il faut changer pour que la prévention ne reste pas un slogan.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

“Prévenir plutôt que guérir” à l’ère de l’IA et de la donnée : et si la médecine de demain se jouait bien avant l’apparition des premiers symptômes ?

Dans ce premier podcast de 2026, j’ai reçu Alaedine Benani de Zoï pour une discussion passionnante sur les limites du système curatif actuel et les pistes concrètes pour construire une médecine préventive grâce à l’utilisation de la donnée.

Zoï est une clinique d' un nouveau genre, qui prétend révolutionner la manière préventive qui propose des bilans 360 de santé approfondis, personnalisés et fondés sur la science, avec une ambition claire : détecter plus tôt, mieux comprendre et réduire le risque de maladies, notamment chroniques, avant l’apparition des symptômes.

Si la médecine moderne excelle dans la prise en charge des maladies aiguës, les maladies chroniques constituent en revanche un défi majeur pour nos systèmes de santé. Elles se développent sur des années, voire des décennies, bien avant l’apparition des premiers symptômes. Dans ce contexte, l’exploitation de données longitudinales, associée à une prévention précoce et à une observance étendue, offre une opportunité concrète d’intervenir en amont et de réduire la pression exercée sur les services de soins en aval.

Le modèle économique d’une entreprise telle que Zoī, centrée prévention, si elle convainc de plus en plus nos institutions publiques, doit toutefois continuer à convaincre de sa rentabilité médico-économique. Plus largement, comment un tel modèle peut passer à l'échelle ?
Peut-on imaginer qu’un jour, la sécurité sociale remboursera à terme un bilan préventif de santé annuel pour les 70 millions de français ?

Dans cet échange, on parle avec Aleadine sans langue de bois :
De la relation médecin–patient à l’ère de la data,

De prévention individuelle vs santé publique,

Du rôle réel (et des limites) de l’IA et des LLMs,

Et de ce qu’il faut changer pour que la prévention ne reste pas un slogan.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Il y a 20 ans, on détectait un AVC après qu’il ait eu lieu. Aujourd’hui, grâce à l’IA, on peut l’anticiper 3 semaines avant qu’il ne frappe.

C’est ce qu’a réussi Dr Arnaud Rosier, en croisant les données des pacemakers avec celles du SNDS – la base de données de santé de tous les Français. Dans ce nouvel épisode de Med In Tech, il me raconte comment ils ont franchi toutes les étapes, de l’accès aux données jusqu’au développement d’un algorithme d’IA capable d’anticiper les risques cardiaques.
Mais, pour créer un algorithme réellement utile, il faut des données fiables, en volume, et sur la durée. Or, les données des pacemakers étaient fragmentées, réparties entre les logiciels de plusieurs fabricants.
Alors, avec Implicity, il a commencé par résoudre ce problème : construire une plateforme capable de centraliser toutes les données de pacemakers, peu importe l’éditeur. Une solution pensée d’abord pour les médecins — intuitive, interopérable, et intégrée dans leur quotidien.

Au programme de notre échange :
Développer un algorithme avec les données du SNDS : un accès exceptionnel. Arnaud nous explique comment ils ont obtenu l’autorisation, les contraintes réglementaires à respecter, et ce que ça change concrètement quand on peut enfin exploiter ces données à grande échelle.

Transformer un algorithme en dispositif médical industriel : comment faire valider une IA par la FDA ? Quels sont les bons réflexes qualité à mettre en place dès les débuts ?

Faire adopter l’IA par les médecins : dans un milieu aussi cartésien que la cardiologie, comment faire accepter une “black box” algorithmique ? Quelle place pour la transparence, la pédagogie, et la confiance ?

Un épisode sur la transformation en cours de la médecine par la donnée — et sur ceux qui la rendent possible.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.