ChatGPT Health se branche aux dossiers médicaux d’Epic

ChatGPT Health se branche aux dossiers médicaux d’Epic

OpenAI franchit une étape particulièrement sensible dans l’usage de l’intelligence artificielle en santé. ChatGPT Health intègre désormais Epic, l’un des principaux systèmes de dossiers médicaux électroniques aux États-Unis, afin de permettre aux cliniciens d’importer des données de patients dans l’interface d’IA. L’information a été rapportée par TechCrunch dans son article intitulé “ChatGPT Health adds Epic integration for clinicians to import patient data”.

Mise à jour du 05/09/2026 — Le 1er septembre 2026, OpenAI a lancé une intégration Epic pour ChatGPT for Healthcare : les organisations éligibles peuvent consulter en lecture seule les informations autorisées des dossiers médicaux Epic, sous réserve des droits d’accès existants et d’une configuration administrateur. (openai.com)

Le point central est autant technique qu’organisationnel : l’accès d’OpenAI aux informations issues d’Epic est limité à la lecture seule. ChatGPT Health peut donc aider un professionnel à consulter, retrouver ou synthétiser des éléments provenant d’un dossier, mais ne peut pas modifier directement les informations conservées dans le logiciel médical. Cette frontière est importante dans un univers où le dossier patient constitue à la fois une source clinique, une pièce de traçabilité et un outil médico-légal.

Cette intégration place plus directement ChatGPT dans le flux de travail des soignants. Jusqu’ici, les usages les plus visibles des assistants génératifs dans la santé concernaient souvent la rédaction, la transcription, la recherche documentaire, l’explication de résultats ou la préparation administrative. La connexion à Epic déplace le sujet : il ne s’agit plus seulement de demander à une IA de reformuler un texte saisi manuellement, mais de lui donner accès à une partie du contexte médical déjà enregistré dans un dossier électronique.

L’ambition affichée est de faire gagner du temps aux cliniciens, notamment lors de la consultation et de la synthèse d’informations médicales. Mais cette promesse ne dissipe pas les questions les plus difficiles. Quelles données sont effectivement importées ? Pendant combien de temps sont-elles traitées ou conservées ? Quelles protections encadrent les requêtes ? Comment vérifier les synthèses produites ? Et, au-delà du marché américain, quel équivalent pourrait exister dans un environnement européen fragmenté, régi par le RGPD et marqué par de fortes attentes de souveraineté sanitaire ?

Epic, une porte d’entrée majeure dans l’informatique clinique américaine

Pour mesurer la portée de l’annonce, il faut rappeler la position singulière d’Epic dans les établissements de santé américains. Fondée en 1979 par Judy Faulkner, l’entreprise est devenue l’un des acteurs les plus importants du dossier médical électronique, souvent désigné par l’acronyme EHR, pour electronic health record. Ses logiciels sont utilisés par de grands réseaux hospitaliers, des centres universitaires et des organisations de soins aux États-Unis.

Dans un hôpital, le dossier médical électronique ne se réduit pas à une liste de diagnostics. Il rassemble potentiellement des comptes rendus, des résultats biologiques, des allergies, des médicaments, des antécédents, des notes de consultation, des données de suivi et de nombreux éléments administratifs. Il sert à documenter les soins, à coordonner les équipes et à conserver une trace de décisions prises dans des contextes parfois urgents. Connecter une IA générative à cet environnement revient donc à la rapprocher du cœur informationnel de l’activité clinique.

Cette proximité change fortement la nature du produit. Une IA médicale alimentée par des informations générales ou par un texte fourni ponctuellement n’a pas la même capacité qu’un outil pouvant accéder, même de façon encadrée, à des données structurées et longitudinales. Le bénéfice potentiel est clair : plutôt que de demander au clinicien de recopier l’historique utile dans une fenêtre de conversation, l’outil peut partir d’éléments déjà présents dans le dossier. La limite est tout aussi claire : plus le contexte est riche, plus les conséquences d’une mauvaise interprétation, d’une mauvaise configuration ou d’un accès inapproprié peuvent être importantes.

Le choix d’un accès en lecture seule doit être compris à cette lumière. Il évite que ChatGPT Health n’écrive directement une note clinique, ne mette à jour une ordonnance ou ne modifie un diagnostic dans Epic. C’est une séparation fonctionnelle essentielle entre l’assistance et l’action sur le dossier. Dans les faits, une réponse de l’IA pourra toujours influencer la manière dont un professionnel documente ou décide, mais l’étape de validation et d’inscription dans le dossier reste, selon le principe annoncé, entre les mains de l’utilisateur clinique.

Cette configuration n’est pas seulement une précaution technique. Elle répond au statut du dossier médical comme référence opérationnelle. Dans la pratique hospitalière, une erreur de saisie ou une information insuffisamment vérifiée peut se propager entre équipes, services et consultations ultérieures. Limiter l’intégration à l’importation de données réduit donc un type de risque : celui d’une modification automatisée ou semi-automatisée qui serait enregistrée sans contrôle humain explicite.

Pour autant, la lecture seule ne transforme pas l’IA en outil neutre ou sans risque. Lire les données d’un patient, les sélectionner et les réorganiser dans une synthèse implique déjà des choix. Une chronologie peut donner trop de poids à un résultat ancien, omettre un élément pertinent ou présenter comme certain ce qui relève d’une hypothèse. L’interface peut aussi inciter l’utilisateur à faire confiance à une réponse concise alors que le dossier complet exige une lecture plus nuancée. L’enjeu n’est donc pas seulement de savoir qui peut écrire dans Epic, mais aussi de savoir comment l’IA lit et restitue ce qui s’y trouve.

Ce que l’intégration apporte concrètement aux cliniciens

D’après les éléments rapportés par TechCrunch, l’intégration vise l’importation de données de patients depuis Epic dans ChatGPT Health par les cliniciens. Le scénario le plus évident est celui de la préparation d’une consultation. Un médecin ou un membre de l’équipe soignante peut devoir parcourir de nombreuses notes, identifier les épisodes importants, reconstituer une chronologie de soins ou retrouver les informations nécessaires avant de rencontrer un patient. Une IA capable d’aider à synthétiser ce matériau peut réduire une partie du temps consacré à la recherche et à la mise en forme.

La valeur potentielle ne réside pas nécessairement dans une réponse spectaculaire ou dans une recommandation médicale autonome. Elle peut venir d’opérations plus prosaïques : retrouver des informations dispersées, reformuler une note complexe, mettre en ordre des événements, préparer un aperçu ou aider à générer une liste de points à vérifier. Or ces tâches constituent une part réelle de la charge cognitive associée à l’usage intensif des dossiers électroniques.

Dans ce cadre, ChatGPT Health peut être vu comme une couche conversationnelle placée au-dessus d’informations cliniques existantes. Le clinicien n’interagit plus uniquement avec des menus, des onglets et des champs de recherche. Il peut potentiellement formuler une demande en langage naturel, puis examiner le résultat à la lumière du dossier source. C’est une évolution d’ergonomie importante : l’IA ne remplace pas forcément le système de dossier médical, mais elle peut modifier la façon de naviguer dans ce système.

Le gain de temps annoncé doit néanmoins être interprété avec prudence. Il dépendra de nombreux facteurs qui ne sont pas détaillés dans l’annonce relayée par TechCrunch : la qualité des données présentes dans Epic, la façon dont les établissements paramètrent l’accès, les droits attribués à chaque utilisateur, la rapidité de l’interface, les possibilités de vérification et la place réelle de l’outil dans les routines de soin. Une synthèse n’est utile que si elle est fiable, traçable et suffisamment claire pour être confrontée rapidement aux éléments originaux.

La différence entre retrouver une information et interpréter une information reste déterminante. Un assistant peut aider à identifier qu’un résultat biologique est présent dans le dossier ou qu’un médicament a été mentionné dans une note. Il ne doit pas, pour autant, être assimilé à un professionnel capable de contextualiser ce résultat avec l’examen clinique, l’état du patient, les données les plus récentes et les contraintes thérapeutiques. L’intégration à Epic augmente la disponibilité du contexte ; elle ne résout pas automatiquement le problème de l’interprétation médicale.

Le même raisonnement vaut pour les synthèses de dossier. Les patients ayant des pathologies chroniques, des hospitalisations multiples ou des parcours impliquant plusieurs spécialités peuvent disposer d’historiques très volumineux. Une synthèse bien construite peut aider à éviter la répétition d’informations et à repérer des incohérences. Mais une synthèse trop courte peut aussi effacer les nuances, les désaccords entre praticiens, les changements de traitement ou les incertitudes diagnostiques. La compression informationnelle est utile, mais elle est par définition sélective.

Le déploiement d’un tel outil devra donc s’accompagner d’une discipline d’usage. Le professionnel reste responsable de la vérification des données qui fondent sa décision. L’accès en lecture seule rend cette exigence encore plus visible : ChatGPT Health peut assister la consultation et la préparation, mais il ne devient pas le dossier officiel ni le système qui enregistre la décision clinique. Cette distinction protège la chaîne de responsabilité, tout en laissant ouverte une question pratique : un soignant disposera-t-il réellement du temps nécessaire pour contrôler chaque élément dans un environnement où l’outil est précisément adopté pour aller plus vite ?

Lecture seule, confidentialité et responsabilité : les limites que l’IA ne fait pas disparaître

La formule « lecture seule » est rassurante à première vue, mais elle ne répond pas à tous les enjeux de sécurité. Elle signifie que l’outil ne modifie pas directement le dossier médical dans Epic. Elle ne dit pas, à elle seule, quelles catégories de données peuvent être importées, quelles données sont visibles dans l’interface, quelles règles s’appliquent aux journaux d’accès, ni comment les établissements contrôlent les autorisations. Ce sont pourtant ces éléments qui déterminent le niveau réel de protection d’une intégration clinique.

Aux États-Unis, les informations médicales sont notamment encadrées par le cadre fédéral HIPAA. Dans ce type de projet, les conditions contractuelles, les contrôles d’accès, l’authentification, le chiffrement, l’audit et la gestion des fournisseurs sont aussi importants que le modèle d’IA lui-même. Une IA peut être très performante dans la synthèse de texte et rester inadaptée à un établissement si les mécanismes de gouvernance ne correspondent pas à ses obligations ou à ses exigences internes.

Le fait qu’un clinicien puisse importer des données ne signifie pas que toutes les données devraient être importées dans tous les cas. Le principe de minimisation est particulièrement pertinent en santé : un outil devrait recevoir les informations nécessaires à la tâche, et non l’intégralité d’un historique par défaut lorsqu’une question porte sur un épisode précis. Cette logique limite l’exposition d’informations sensibles tout en améliorant, potentiellement, la précision d’une demande. Un contexte excessivement large peut aussi accroître le risque que l’IA mélange des éléments non pertinents.

La confidentialité ne concerne pas uniquement le stockage des données. Elle concerne aussi les usages. Un dossier peut contenir des éléments concernant la santé mentale, la santé sexuelle, les addictions, des situations sociales, des informations familiales ou des résultats particulièrement sensibles. Dans un parcours hospitalier, le simple fait qu’une information soit techniquement accessible ne signifie pas qu’elle doit être mobilisée dans chaque interaction. L’intégration à une interface conversationnelle oblige donc les organisations à définir des règles d’usage précises, compréhensibles par les utilisateurs et contrôlables dans la durée.

La responsabilité clinique constitue le second point de tension majeur. Une IA générative peut produire une réponse convaincante, même lorsque sa réponse est incomplète ou erronée. L’accès à des données réelles peut renforcer la confiance de l’utilisateur : si l’outil cite des dates, des médicaments ou des résultats présents dans le dossier, ses conclusions peuvent paraître plus crédibles. Or cette crédibilité formelle ne garantit ni l’exhaustivité ni le bon raisonnement.

Le danger le plus probable n’est pas nécessairement une erreur grossière immédiatement visible. Il peut s’agir d’une omission discrète : une allergie mentionnée dans une ancienne note, une évolution récente non intégrée à la synthèse, une contre-indication documentée dans un compte rendu, ou une ambiguïté présentée comme un fait. Dans un environnement clinique, de telles omissions ne peuvent être traitées comme de simples défauts d’expérience utilisateur. Elles doivent être anticipées dans la conception des interfaces, les procédures de validation et la formation des équipes.

La question de la traçabilité sera donc centrale. Lorsqu’un professionnel utilise une synthèse générée à partir du dossier, il doit pouvoir revenir à la source. Une réponse sans indication claire de son origine est difficile à vérifier. À l’inverse, une intégration bien pensée peut favoriser le contrôle en permettant de relier les éléments résumés aux informations correspondantes dans le dossier. TechCrunch souligne l’arrivée de l’importation depuis Epic ; les modalités précises de présentation, de vérification et de gouvernance seront déterminantes pour juger l’utilité clinique réelle du dispositif.

Enfin, l’accès en lecture seule ne supprime pas le risque de dépendance organisationnelle. Si des équipes prennent l’habitude de passer par une IA pour reconstituer l’historique d’un patient, l’indisponibilité du service, une erreur de réponse ou une modification du produit peuvent affecter les routines de travail. Les établissements devront conserver des procédures permettant de poursuivre la prise en charge sans que l’outil conversationnel devienne une condition implicite d’accès à l’information.

Un marché déjà convoité par Microsoft, Nuance, Oracle et les éditeurs de dossiers médicaux

L’intégration de ChatGPT Health à Epic intervient dans un marché où l’IA clinique est déjà un terrain de compétition intense. Microsoft a acquis Nuance Communications en 2022, renforçant sa position dans les technologies de reconnaissance vocale et de documentation clinique. Nuance est particulièrement connue dans le secteur de la santé pour ses outils destinés à réduire le temps de documentation et à produire des comptes rendus à partir des échanges entre soignants et patients.

Microsoft a ensuite présenté Dragon Copilot, qui réunit des fonctions issues de Dragon Medical et de DAX Copilot. Cette orientation illustre une tendance forte : l’IA n’est pas uniquement destinée à répondre à des questions médicales générales, mais à s’intégrer aux gestes quotidiens de la consultation, de la note clinique et de la recherche d’information. Les acteurs les mieux placés ne sont pas forcément ceux qui possèdent le modèle de langage le plus connu du grand public ; ce sont aussi ceux qui réussissent à se connecter de manière sûre aux outils déjà utilisés par les soignants.

Epic est lui-même un acteur incontournable de cette transformation, car l’éditeur contrôle l’environnement de travail dans lequel s’accumulent et circulent les données. Dans ce secteur, l’intégration est un avantage stratégique : elle réduit les doubles saisies, facilite l’authentification et peut rapprocher les outils d’IA des parcours réellement suivis par les équipes. Mais elle confère aussi aux plateformes de dossier médical un rôle d’arbitre. Elles peuvent définir les interfaces disponibles, les conditions d’accès, les flux de données et, dans une certaine mesure, la vitesse à laquelle de nouveaux services peuvent se diffuser.

Oracle, avec ses activités dans les systèmes d’information de santé après l’acquisition de Cerner, constitue également un acteur majeur de l’informatique hospitalière américaine. La présence de plusieurs grands éditeurs de dossiers médicaux signifie que l’annonce concernant Epic ne doit pas être confondue avec une couverture uniforme du marché. Un établissement qui utilise un autre environnement ne bénéficie pas nécessairement des mêmes possibilités, et les conditions de connexion peuvent varier fortement d’un logiciel à l’autre.

La comparaison avec les outils de documentation ambiante est instructive. Ces services écoutent, avec le consentement et les contrôles nécessaires, les échanges de consultation afin de préparer une note ou une synthèse. L’intégration annoncée pour ChatGPT Health répond à un problème connexe mais distinct : exploiter des informations déjà présentes dans le dossier pour soutenir le clinicien. Les deux approches peuvent converger dans une même interface, mais elles soulèvent des questions différentes. La documentation ambiante concerne notamment l’enregistrement et la restitution de la conversation ; l’importation depuis un EHR concerne l’accès à l’historique patient et la circulation de données entre systèmes.

OpenAI arrive donc dans un marché où la qualité du modèle compte, mais ne suffit pas. Le véritable défi est l’intégration fiable dans un environnement réglementé, soumis à des exigences de disponibilité, de sécurité et de responsabilité. Une fonctionnalité impressionnante en démonstration peut ne produire qu’un bénéfice limité si elle ajoute des clics, oblige à ouvrir plusieurs fenêtres ou génère des synthèses difficiles à vérifier. À l’inverse, un outil moins visible mais profondément intégré peut devenir très influent parce qu’il économise quelques minutes à chaque consultation.

Cette réalité explique pourquoi l’annonce relayée par TechCrunch dépasse le simple ajout d’un connecteur. Elle signale une compétition pour la couche d’interface entre le clinicien et le dossier médical. Historiquement, l’EHR a organisé l’enregistrement et la consultation des informations. Les assistants génératifs ambitionnent désormais d’organiser l’accès cognitif à ces informations : ce qu’il faut lire, ce qu’il faut retenir, ce qu’il faut vérifier et ce qu’il faut documenter ensuite.

Pourquoi la transposition en France et en Europe serait plus complexe

Pour les acteurs français et européens, l’annonce américaine ne se transpose pas mécaniquement. L’écosystème européen des données de santé est plus fragmenté, tant sur le plan des logiciels hospitaliers que des règles nationales de déploiement. Les établissements utilisent des systèmes d’information multiples, les échanges entre ville et hôpital restent hétérogènes, et l’interopérabilité demeure un chantier permanent. Il n’existe pas, à l’échelle européenne, un équivalent simple et unifié d’Epic qui concentrerait le même rôle dans les flux cliniques.

La France dispose de services numériques de santé nationaux, dont Mon espace santé, mais ceux-ci ne constituent pas un substitut direct à un logiciel de dossier médical électronique hospitalier utilisé au quotidien par les cliniciens. Le dossier patient informatisé d’un hôpital, les logiciels de cabinet, les plateformes de laboratoire, les outils d’imagerie et les services nationaux n’obéissent pas tous aux mêmes architectures ni aux mêmes rythmes de modernisation. Une intégration d’IA clinique devrait donc composer avec cette diversité plutôt qu’avec une seule porte d’entrée technique.

Le cadre juridique est également différent. Le RGPD classe les données relatives à la santé parmi les catégories particulières de données personnelles. Leur traitement exige des garanties renforcées et une base juridique adaptée. En France, l’hébergement de données de santé à caractère personnel est encadré par le dispositif d’hébergement de données de santé, couramment appelé HDS. Pour un fournisseur d’IA, la question ne serait pas seulement de proposer une fonction utile : il faudrait démontrer que la chaîne technique, contractuelle et organisationnelle répond aux obligations applicables.

La souveraineté ajoute une dimension politique et économique. Dès lors qu’une IA américaine traite des informations de santé européennes, les établissements, les autorités et les patients peuvent s’interroger sur la localisation des données, les sous-traitants impliqués, les mécanismes de transfert éventuels et la capacité à auditer réellement le service. Ces interrogations ne visent pas uniquement OpenAI. Elles concernent l’ensemble des grands fournisseurs technologiques qui souhaitent intervenir dans la santé européenne.

Le règlement européen sur l’espace européen des données de santé, souvent désigné par l’acronyme EHDS, s’inscrit précisément dans une volonté d’améliorer l’accès et la circulation des données de santé dans l’Union européenne, tout en renforçant les droits et les conditions d’usage. Son existence ne crée pas automatiquement une intégration prête à l’emploi entre une IA et les dossiers hospitaliers. En revanche, il confirme que l’interopérabilité, la gouvernance et la réutilisation des données seront des sujets structurants pour les années à venir.

Pour les entreprises françaises spécialisées dans la santé numérique, la leçon est double. D’un côté, la connexion d’un assistant génératif à un dossier médical montre que la valeur se déplace vers les outils intégrés au travail clinique réel. De l’autre, l’avantage compétitif européen pourrait passer par une meilleure adaptation aux exigences locales : langue française, terminologies médicales, organisation des soins, hébergement, interopérabilité et conformité. Une IA généraliste ne suffit pas à résoudre ces contraintes, mais elle peut accélérer la pression concurrentielle sur les éditeurs et les fournisseurs de solutions cliniques.

Les professionnels français ne regarderont donc pas seulement les performances conversationnelles de ChatGPT Health. Ils évalueront la capacité d’un tel outil à s’intégrer dans les logiciels existants sans fragmenter davantage les parcours. Ils demanderont aussi qui contrôle les accès, comment les données sont protégées, comment les réponses sont tracées et quelle responsabilité s’applique en cas d’erreur. Sur ces points, l’annonce d’Epic est davantage un signal de marché qu’un modèle immédiatement exportable.

Vers une IA clinique plus intégrée, mais aussi plus encadrée

L’intégration entre ChatGPT Health et Epic marque une évolution dans la trajectoire de l’IA générative appliquée à la santé. Après la phase des démonstrations, des assistants conversationnels généralistes et des outils de rédaction, l’enjeu devient l’insertion dans les systèmes de référence des établissements. C’est là que les gains de productivité peuvent être les plus tangibles, mais aussi là que les exigences de fiabilité deviennent les plus élevées.

À court terme, la lecture seule constitue une approche prudente. Elle maintient une séparation entre l’outil d’assistance et le dossier officiel, réduit le risque de modification directe et rappelle que le clinicien garde la main sur la décision et la documentation. Toutefois, cette prudence n’élimine pas le besoin de contrôles. La qualité des réponses devra être évaluée dans des situations réelles, avec des dossiers longs, des informations contradictoires et des cas où l’élément décisif n’est pas le plus visible.

La prochaine étape du marché ne sera probablement pas déterminée par la seule capacité d’une IA à résumer davantage de documents. Elle dépendra de sa capacité à fournir une aide vérifiable, à signaler ses incertitudes, à renvoyer clairement aux sources et à respecter les permissions définies par les organisations de santé. Dans un domaine clinique, une réponse qui paraît fluide mais ne permet pas de retrouver rapidement sa justification peut devenir un problème plutôt qu’un progrès.

Pour l’Europe et la France, cette dynamique rend plus urgente la construction d’interfaces interopérables et de cadres de confiance. Sans accès structuré, sécurisé et gouverné aux données pertinentes, les assistants d’IA resteront souvent cantonnés à des usages périphériques. Avec un accès mieux organisé, ils pourraient contribuer à réduire certaines tâches administratives et à améliorer la lisibilité des parcours complexes. Mais cette ouverture devra s’accompagner de limites explicites sur les usages, les transferts de données et l’autonomie accordée aux systèmes.

L’annonce rapportée par TechCrunch montre ainsi que l’IA clinique entre dans une phase moins spectaculaire, mais plus décisive : celle des connecteurs, des permissions, des audits et des flux de travail. ChatGPT Health ne remplace pas Epic et son accès en lecture seule ne lui confère pas un rôle de décideur médical. En revanche, l’intégration pose les bases d’un changement plus profond : le dossier médical pourrait progressivement devenir non seulement un espace de stockage et de documentation, mais aussi une source interrogée par des assistants capables d’en restructurer la lecture.

La question de long terme sera de savoir qui contrôlera cette nouvelle couche d’interprétation. Les éditeurs de dossiers médicaux, les fournisseurs de modèles d’IA, les hôpitaux, les autorités de régulation et les cliniciens auront tous un rôle à jouer. Dans le monde francophone, la réponse dépendra moins d’un simple équivalent technique à Epic que de la capacité collective à concilier innovation, interopérabilité, secret médical et contrôle public sur les données les plus sensibles.