Des médecins à qui l’on a soumis deux versions du compte rendu d’hospitalisation ont préféré celle rédigée par une IA dans 95 % des 60 séjours examinés. L’autre version était le compte rendu écrit à l’époque par les médecins de l’hôpital. C’est ce document que lit le médecin traitant pour savoir ce qui s’est passé à l’hôpital, quels traitements ont changé et ce qu’il reste à suivre.
L’étude a été menée à l’université Stony Brook, dans l’État de New York. Elle a été publiée en ligne le 2 octobre dans npj Digital Medicine, et l’université l’a présentée dans un communiqué le 2 novembre. Elle porte sur 60 séjours de 7 à 21 jours en médecine interne au Stony Brook University Hospital et repose sur une évaluation rétrospective des dossiers. Les auteurs rappellent qu’un médecin doit relire chaque brouillon de l’IA avant son intégration au dossier du patient.
Des séjours longs, des dossiers épais
Le compte rendu d’hospitalisation reprend les soins reçus, les changements de traitement, les problèmes non résolus et le suivi à prévoir ; le médecin traitant s’appuie dessus pour prendre le relais, explique l’université. Plus le séjour est long et complexe, plus il y a de notes à condenser et plus la rédaction prend de temps aux médecins. Selon l’article, les évaluations précédentes de comptes rendus rédigés par IA portaient surtout sur des séjours courts. Les 60 séjours ont été tirés d’un ensemble de 385 hospitalisations de même durée, d’après les tableaux publiés en annexe.
Le système lit les notes du patient par lots et tient une liste de points qu’il peut réécrire à mesure que de nouvelles notes arrivent, selon les consignes publiées avec l’article. Chaque point doit citer les notes dont il provient, et le modèle a pour instruction de ne jamais produire un point qui ne serait pas étayé par le dossier patient informatisé. Une étape à part repère dans les comptes rendus de radiologie les découvertes fortuites, ces anomalies vues par hasard à l’imagerie qui peuvent appeler un suivi. Une dernière étape rédige le texte final.
Des cliniciens ont participé à la conception du procédé en partant des besoins des médecins après la sortie, et l’outil produit l’essentiel d’un compte rendu « en quelques minutes », selon l’université. Ni le communiqué, ni le résumé de l’article, ni ses annexes ne nomment le modèle utilisé.
De meilleures notes, moins d’oublis
Deux catégories de médecins ont évalué les deux versions de chaque séjour : les médecins hospitaliers, qui suivent le patient pendant l’hospitalisation, et les médecins traitants, qui le reprennent en charge à sa sortie. Ils ont mieux noté les comptes rendus de l’IA pour la qualité globale, la lisibilité, l’exactitude et l’exhaustivité. Sur une échelle d’accord de 1 à 5, la note de qualité de la version IA dépasse en moyenne celle de la version humaine de 1,70 point chez les médecins traitants et de 1,40 point chez les médecins hospitaliers, d’après les tableaux en annexe. Les médecins traitants ont aussi trouvé les comptes rendus de l’IA plus faciles à comprendre, plus faciles à expliquer aux patients et à leurs proches, et plus utiles pour le suivi.
Les deux versions comportaient des erreurs. Les relecteurs ont relevé moins d’inexactitudes ou d’omissions cliniquement pertinentes dans les comptes rendus de l’IA, « principalement en raison d’un nombre moindre d’omissions », écrivent les auteurs. L’étude qualifie d’omission toute information manquante qui, faute d’être transmise au médecin suivant, nuirait à la prise en charge du patient après sa sortie. La gravité estimée du préjudice possible et sa probabilité ne diffèrent pas de façon significative entre les deux versions.
Le modèle a aussi extrait 31 découvertes fortuites des comptes rendus de radiologie. Les relecteurs en ont jugé 29, soit 93,5 %, correctement rapportées, et 27, soit 87,1 %, utiles à mentionner dans le compte rendu.
Lors d’entretiens de retour d’expérience rapportés en annexe, un médecin hospitalier estime que l’IA a fait « un travail exponentiellement meilleur » pour retracer l’enchaînement des événements qui avaient conduit le patient jusqu’à lui. Un médecin hospitalier note aussi que les brouillons de l’IA signalaient les résultats encore en attente à la sortie, qui, souvent, « passent entre les mailles du filet », en précisant qui devait en assurer le suivi. Cette mention ne figurait « pour ainsi dire dans aucun » des comptes rendus écrits par les médecins hospitaliers. « Ces résultats apportent des éléments de preuve que l’intelligence artificielle peut aider à rédiger les comptes rendus de sortie des séjours complexes », déclare dans le communiqué Rachel Wong, coautrice correspondante et professeure associée de clinique à la faculté de médecine de Stony Brook.
Les scribes IA aux États-Unis et en Angleterre
L’étude paraît alors que les hôpitaux confient déjà d’autres écrits à l’IA. Les scribes IA, ou outils d’écoute ambiante, enregistrent la consultation et rédigent la note clinique, et leurs effets ont été mesurés à grande échelle.
À UCSF Health, à San Francisco, une étude parue le 9 janvier dans JAMA Network Open a suivi 1 565 médecins sur 1,2 million de consultations externes, de janvier 2023 à avril 2025. Une fois l’outil adopté, les 698 médecins équipés d’un scribe IA ont assuré 0,80 consultation de plus par semaine par rapport aux autres. Ils ont aussi facturé 1,81 unité de valeur relative (RVU, l’unité de tarification des actes aux États-Unis) de plus par semaine, soit 3 044 dollars par an et par médecin au barème 2025 de Medicare, selon les auteurs. La part des demandes de remboursement refusées ne diffère pas entre les deux groupes.
Au Mass General Brigham, le groupe hospitalier de la région de Boston, une enquête publiée en 2025 a interrogé des soignants qui testaient la prise de notes par IA. La part de ceux qui se déclaraient en épuisement professionnel est passée de 52,6 % à 30,7 % au bout de 84 jours.
En juillet, NHS England, qui pilote le service de santé public anglais, a annoncé qu’il soutiendrait un déploiement national de la prise de notes par IA, en commençant par les rendez-vous hospitaliers sans nuitée. Il cite une expérimentation aux urgences de l’hôpital St George’s, à Londres, qui a fait gagner en moyenne 47 minutes par poste aux soignants, et indique que deux établissements, Alder Hey Children’s et Manchester University, étendent leurs programmes à plus de 3 000 soignants.
Les médecins posent aussi leurs questions cliniques à l’IA : une IA médicale est passée de 355 à 703 265 soignants américains actifs par mois en deux ans et demi, selon une étude parue en octobre dans le JAMA.
Les limites des données
Soixante séjours dans un seul hôpital forment un petit échantillon, et aucun brouillon de l’IA n’a servi lors d’une sortie réelle. Aucun chiffre de temps gagné n’a été publié. Fusheng Wang, l’autre auteur correspondant, indique que la suite des travaux portera sur l’exactitude, la sécurité, « le temps réellement gagné par les médecins » et l’intégration de l’outil dans l’organisation des services. Un essai en pratique courante au sein de Stony Brook Medicine est à l’étude, précise-t-il.
Les deux groupes de relecteurs n’ont pas jugé les erreurs de la même manière : les médecins traitants ont relevé plus d’omissions que les médecins hospitaliers et ont jugé le préjudice plus probable. La question de la confiance est revenue lors des entretiens. « Faire confiance, mais vérifier », résume un médecin hospitalier. Selon un médecin hospitalier, « personne ne reviendra vérifier les faits » une fois les brouillons livrés tout rédigés.
Les chiffres sur les scribes ont aussi leurs limites. Le résultat d’UCSF vient d’un seul groupe hospitalier dont les médecins choisissaient d’adopter ou non l’outil, et les chiffres du Mass General Brigham sur l’épuisement professionnel, d’une expérimentation non randomisée où 22 % des soignants ont répondu à l’enquête à 84 jours.
Notre analyse
Le compte rendu qui clôt un long séjour à l’hôpital a désormais son évaluation publiée dans une revue à comité de lecture. Sur cet échantillon, les médecins ont préféré la version de l’IA, et celle-ci a reçu moins de signalements d’erreurs, surtout parce que les comptes rendus humains comportaient plus d’omissions. Les deux versions contenaient des erreurs : la comparaison qui compte se fait donc avec le travail humain, l’étalon qu’a retenu Waymo quand ses propres données ont montré que ses robotaxis avaient 95 % d’accidents graves en moins que des conducteurs humains sur la même distance. Sur le risque de préjudice, l’étude ne relève pas d’écart significatif entre les deux versions.
Les hôpitaux qui laissent déjà des scribes IA rédiger les notes de consultation, comme UCSF, le Mass General Brigham ou les établissements du NHS, pourraient étendre la rédaction par IA au compte rendu de sortie. L’étude ne montre pas le temps gagné. Au Japon, l’État estime déjà ce gain pour ses agents : les usagers réguliers de son IA pour les fonctionnaires déclarent gagner environ 110 minutes par semaine. L’étude ne dit pas non plus avec quel soin un médecin relit un brouillon dans un service chargé, le risque que pointait le médecin hospitalier pour qui personne ne vérifiera.
Le prochain résultat à suivre sera l’essai de Stony Brook, s’il a lieu : des comptes rendus rédigés avec l’outil en conditions réelles, avec un décompte du temps gagné et des erreurs repérées avant que chaque document ne parvienne au médecin traitant.
Sources
- SBU Study: AI May Improve Patient Discharge Summaries, Université Stony Brook, 2 novembre 2026
- Clinician-centered evaluation of large language model-generated discharge summaries for longer hospitalizations, Osborne et al., npj Digital Medicine, 2 octobre 2026
- Supplementary Information: Clinician-Centered Evaluation of Large Language Model-Generated Discharge Summaries for Longer Hospitalizations, Osborne et al., npj Digital Medicine (annexes), 2 octobre 2026
- Ambient Artificial Intelligence Scribes and Physician Financial Productivity, Holmgren et al., JAMA Network Open, 9 janvier 2026
- Ambient Documentation Technology in Clinician Experience of Documentation Burden and Burnout, You et al., JAMA Network Open, 21 août 2025
- NHS accelerates artificial intelligence rollout to cut waiting times and improve care for millions, NHS England, juillet 2026
Image d’en-tête : graphique MACCUS, données d’Osborne et al., npj Digital Medicine (2 octobre 2026, résumé et tableau supplémentaire 6)
