Des systèmes d’alerte précoce aux assistants de documentation, l’intelligence artificielle entre progressivement dans les environnements de soins. Pour les infirmiers, l’enjeu n’est pas de déléguer le jugement clinique à un algorithme, mais de comprendre ce que ces outils mesurent réellement, ce qu’ils peuvent améliorer et dans quelles conditions leur usage reste sûr, explicable et utile au patient.
Du suivi traditionnel des patients aux soins augmentés par l’IA
Le métier d’infirmier repose sur une combinaison de compétences cliniques, techniques, relationnelles et organisationnelles. Surveillance de l’état de santé, administration des traitements, réalisation des soins, prévention des complications, éducation du patient et coordination avec les autres professionnels constituent le cœur de la pratique. Les dossiers patients informatisés, les moniteurs et les dispositifs médicaux numériques sont déjà présents depuis plusieurs années, mais ils n’ont pas supprimé la nécessité d’observer le patient, de contextualiser les mesures et d’exercer un jugement clinique.
L’intelligence artificielle ajoute aujourd’hui une couche d’analyse à cet environnement numérique. Dans cet article, le terme désigne notamment des modèles capables d’identifier des régularités dans des données cliniques, de produire un score de risque ou, dans le cas de l’IA générative, de produire du texte à partir d’informations fournies. Cette distinction est importante : un système prédictif qui calcule un risque de détérioration ne fonctionne pas comme un assistant génératif qui résume un dossier, et leurs niveaux de preuve, leurs risques et leurs usages ne sont pas les mêmes.
L’un des exemples les mieux documentés concerne la détection précoce de la détérioration des patients hospitalisés. En 2025, un essai pragmatique multicentrique publié dans Nature Medicine a évalué CONCERN, un système d’alerte précoce fondé sur le machine learning et sur des motifs issus de la documentation infirmière. L’étude a porté sur 60 893 hospitalisations réparties dans 74 unités cliniques de deux systèmes de santé. Le groupe intervention présentait une diminution de 35,6 % du risque instantané de décès par rapport aux soins habituels, exprimée par un hazard ratio ajusté de 0,64. Ce résultat ne doit pas être lu comme une baisse absolue de 35,6 % de la mortalité : il s’agit d’une mesure relative du risque instantané dans le cadre précis de cet essai.[1]
La publication a ensuite fait l’objet d’une correction en avril 2026. Les auteurs ont rectifié les estimations concernant la durée de séjour et la réadmission à 30 jours à la suite d’une erreur de modélisation, sans modifier la significativité statistique des résultats concernés ni le résultat principal sur la mortalité. Cette correction illustre une règle essentielle pour l’évaluation des systèmes d’IA en santé : les résultats doivent être lus dans leur version la plus récente, avec leurs limites méthodologiques, et non comme une preuve générale qu’un même outil produira le même bénéfice dans tous les hôpitaux.[2]
Cette transformation intervient dans un contexte où les infirmiers constituent le plus grand groupe professionnel de santé à l’échelle mondiale. Le rapport State of the world’s nursing 2025 de l’Organisation mondiale de la Santé estime les effectifs infirmiers mondiaux à 29,8 millions en 2023, contre 27,9 millions en 2018, tout en évaluant encore la pénurie mondiale à 5,8 millions de professionnels. Le même rapport place les technologies numériques parmi les domaines auxquels la profession doit être préparée.[3]
Ces chiffres ne signifient pas que l’IA constitue une réponse directe à la pénurie de personnel. Une technologie peut automatiser une tâche sans résoudre les problèmes d’attractivité, de formation, de conditions de travail ou de répartition géographique des professionnels. L’enjeu est donc plus précis : déterminer si certains outils peuvent améliorer la circulation de l’information, la détection des risques ou la documentation, sans déplacer la charge vers de nouvelles vérifications ni dégrader la relation de soin.
Comment l’IA transforme les pratiques infirmières
L’IA ne transforme pas toutes les activités infirmières de la même manière. Certains usages s’appuient sur des modèles prédictifs intégrés aux dossiers patients, d’autres sur des capteurs et des systèmes de télésurveillance, tandis que l’IA générative intervient surtout dans la production ou la synthèse de texte. Pour comprendre leur impact, il faut distinguer ce que le système automatise réellement de ce qui reste une interprétation clinique.
Surveillance et alerte précoce
Des modèles peuvent combiner plusieurs signaux, comme des constantes vitales, des résultats biologiques ou des éléments de documentation, afin de produire un score ou une alerte. L’intérêt potentiel réside dans l’identification de trajectoires qui ne correspondent pas simplement au dépassement d’un seuil unique. L’exemple CONCERN montre qu’un tel dispositif peut être évalué dans un essai en conditions réelles, mais il ne permet pas de généraliser ses résultats à tous les systèmes d’alerte précoce.[1]
Priorisation de l’attention clinique
Un score de risque peut aider une équipe à identifier des patients qui nécessitent une réévaluation rapide. Il ne constitue toutefois pas une décision de soin. Le professionnel doit vérifier l’état du patient, rechercher d’autres signes et interpréter le résultat à la lumière du contexte clinique.
Documentation clinique assistée
Les grands modèles de langage peuvent être utilisés pour structurer, reformuler ou résumer des notes. Une revue systématique publiée en 2025 sur les usages des LLM en soins infirmiers a identifié des applications en aide à la décision, éducation du patient, génération de documentation et optimisation des flux, tout en soulignant des risques de confidentialité, de sorties trompeuses et d’enjeux éthiques. La littérature reste encore hétérogène et ne justifie pas de considérer la documentation générée comme fiable sans validation humaine.[4]
Télésurveillance et suivi à distance
Les dispositifs connectés peuvent transmettre des mesures recueillies hors de l’hôpital. Des algorithmes peuvent ensuite signaler certaines évolutions. Ici encore, la valeur clinique dépend de la qualité des capteurs, de la population suivie, de la fréquence des faux signaux et de l’organisation prévue pour traiter les alertes.
Recherche et synthèse d’informations
Des assistants génératifs peuvent aider à retrouver une information ou à produire une synthèse à partir d’un dossier. L’OMS rappelle toutefois que les grands modèles multimodaux peuvent produire des énoncés faux, inexacts, biaisés ou incomplets. Leur intégration en santé suppose donc des procédures de validation adaptées à la criticité de la tâche.[5]
La nouveauté réelle n’est donc pas que l’infirmier utilise des outils numériques. Elle réside dans le fait que certains systèmes produisent désormais des scores, des prédictions ou des contenus qui peuvent influencer la manière dont l’information est lue et priorisée. Cette médiation algorithmique crée un besoin supplémentaire de vérification, d’explicabilité et de traçabilité.
Un nouveau rôle pour l’infirmier
L’intégration de l’IA ne transforme pas l’infirmier en spécialiste des algorithmes. Elle renforce en revanche plusieurs dimensions déjà présentes dans son métier : observer, interpréter, coordonner, alerter et expliquer. Dans un environnement plus riche en données, la valeur professionnelle se déplace moins vers la collecte mécanique de l’information que vers sa mise en contexte.
Interpréter sans confondre score et diagnostic
Un score de risque peut indiquer qu’un patient mérite une attention accrue, mais il ne décrit pas nécessairement la cause de son état. L’infirmier doit confronter la sortie du système à l’examen clinique, aux symptômes rapportés, aux traitements et aux antécédents.
Superviser les alertes dans le flux de travail
Un outil pertinent sur le plan statistique peut devenir contre-productif s’il génère trop d’alertes ou s’il s’intègre mal aux pratiques du service. Le professionnel contribue alors à identifier les situations où l’alerte est utile, redondante ou trompeuse.
Garantir la qualité de la documentation
Lorsqu’un assistant génératif prépare une transmission ou un résumé, l’infirmier reste responsable de vérifier que les éléments essentiels sont présents, que rien n’a été inventé et que la formulation ne transforme pas une hypothèse en fait établi.
Participer à l’évaluation des outils
La proximité avec les patients donne aux infirmiers une connaissance du terrain difficile à remplacer par une évaluation purement technique. Leur participation à la conception, au test et à l’audit des systèmes est particulièrement importante lorsque l’outil modifie la surveillance ou la documentation. Des travaux récents sur les scribes ambiants en soins infirmiers soulignent précisément les risques d’hallucination, d’omission et de biais lorsque les infirmiers sont insuffisamment associés au développement et à la supervision.[6]
Préserver la relation de soin
Un système peut traiter des données, mais il n’assume ni la présence physique, ni l’écoute, ni l’explication donnée au patient. Plus les outils automatisent certaines tâches informationnelles, plus il devient important de protéger le temps et les conditions nécessaires à l’interaction humaine.
Le nouveau rôle de l’infirmier n’est donc pas celui d’un simple opérateur de systèmes intelligents. Il consiste à intégrer ces outils dans une pratique clinique où la décision reste contextualisée, traçable et proportionnée au niveau de risque.
Quelles compétences pour l’infirmier à l’ère de l’IA générative ?
Les fondamentaux de la profession demeurent prioritaires : observation clinique, pharmacologie, surveillance, prévention, communication, coordination et raisonnement clinique. L’IA ne réduit pas l’importance de ces compétences ; elle crée de nouvelles situations dans lesquelles elles doivent s’exercer.
Compétences techniques et numériques
- Comprendre la fonction de l’outil : l’infirmier doit pouvoir distinguer un modèle prédictif, un système d’alerte basé sur des règles et un modèle génératif. Cette distinction permet de comprendre ce que la sortie signifie et ce qu’elle ne permet pas d’affirmer.
- Lire les indicateurs de performance avec prudence : sensibilité, spécificité, valeur prédictive et taux de faux positifs n’ont pas la même signification. Une performance moyenne peut aussi masquer des écarts entre sous-groupes de patients ou entre contextes cliniques.
- Vérifier la provenance et la qualité des données : une alerte n’est interprétable que si les données qui l’alimentent sont fiables. Un capteur mal positionné, une donnée manquante ou une information obsolète peut affecter la sortie du système.
- Utiliser l’IA générative sans automatiser la confiance : une réponse bien formulée peut rester fausse. L’utilisateur doit vérifier les éléments cliniques, les citations éventuelles et les informations qui pourraient être reprises dans le dossier patient.
Compétences cliniques, analytiques et décisionnelles
- Confronter l’alerte à l’état réel du patient : douleur, confusion, changement de comportement, dyspnée ou impression clinique préoccupante peuvent nécessiter une action même si un outil n’a pas déclenché d’alerte.
- Reconnaître l’incertitude : un résultat algorithmique peut être associé à une probabilité, à une marge d’erreur ou à un domaine d’utilisation précis. Comprendre cette incertitude évite de transformer une estimation en certitude clinique.
- Savoir escalader : lorsqu’une sortie est incohérente ou que les conséquences potentielles sont importantes, le bon usage de l’IA peut consister à interrompre l’automatisation, vérifier la source et solliciter le professionnel compétent.
Compétences éthiques, juridiques et organisationnelles
- Protéger les données de santé : les informations cliniques sont particulièrement sensibles. Leur traitement doit respecter le cadre applicable, notamment les règles relatives à la protection des données, aux habilitations et à la sécurité des systèmes. L’utilisation d’un service génératif externe ne doit jamais conduire à transmettre des données patients sans cadre autorisé.
- Comprendre le cadre de l’AI Act sans l’exagérer : dans l’Union européenne, certains systèmes d’IA associés à des produits réglementés, dont des dispositifs médicaux répondant aux conditions prévues par l’article 6 du règlement, peuvent relever de la catégorie à haut risque. En septembre 2026, l’AI Act est encore dans une phase d’application progressive : selon la Commission européenne, les règles relatives aux systèmes à haut risque sont prévues à partir du 2 décembre 2027 et celles concernant l’IA intégrée à certains produits physiques, dont les dispositifs médicaux, à partir du 2 août 2028. Ces échéances doivent être distinguées des obligations déjà applicables et peuvent encore être affectées par les évolutions législatives en cours.[7]
- Participer à la gouvernance : les professionnels de terrain doivent pouvoir signaler des erreurs, documenter les incidents, contribuer aux audits et participer aux décisions de maintien, de modification ou de retrait d’un outil.
La compétence nouvelle n’est donc pas seulement de savoir utiliser une interface. Elle consiste à savoir quand se fier à un système, quand le vérifier davantage et quand ne pas l’utiliser.
L’intelligence artificielle peut-elle rendre les soins infirmiers plus fiables ?
La réponse dépend de ce que l’on appelle « fiable ». Un système peut améliorer la détection d’un événement dans un contexte donné sans améliorer toutes les dimensions de la qualité des soins. La fiabilité doit donc être examinée sur plusieurs plans : exactitude de la mesure, performance de la prédiction, qualité de l’intégration dans le service et capacité des équipes à agir correctement sur l’information produite.
Ce que les preuves permettent d’affirmer
L’essai CONCERN apporte un niveau de preuve plus solide qu’une simple démonstration technique, car il a été mené dans des unités cliniques réelles et a comparé des équipes informées par le système à des soins habituels. Les résultats corrigés publiés en 2026 conservent une diminution statistiquement significative du risque instantané de décès, une diminution plus modeste de la durée de séjour et une baisse du risque instantané de sepsis. L’étude a aussi observé une augmentation du risque instantané de transfert non anticipé en soins intensifs, résultat qui peut être cohérent avec une détection plus précoce mais qui doit être interprété dans le contexte du protocole.[1][2]
Ces résultats ne démontrent pas qu’un algorithme isolé « sauve des vies ». L’intervention inclut un système intégré au dossier patient et au travail des équipes, avec une chaîne organisationnelle permettant de traiter l’alerte. Le bénéfice observé dépend donc du couple technologie-organisation, et pas uniquement du modèle.
Les limites à surveiller
- Faux positifs et fatigue d’alerte : un système trop sensible peut multiplier les notifications et détourner l’attention. La performance doit être évaluée avec le volume réel d’alertes et la capacité du service à y répondre.
- Faux négatifs : l’absence d’alerte ne garantit pas l’absence de risque. Les signes cliniques et l’expérience du soignant restent indispensables.
- Biais et généralisation : un modèle développé dans un ensemble limité d’établissements ou de populations peut perdre en performance ailleurs. Une validation externe et une surveillance après déploiement sont nécessaires.
- Hallucinations de l’IA générative : dans la documentation, le principal risque n’est pas seulement l’erreur grammaticale mais l’ajout d’un fait non présent, l’omission d’un élément important ou la reformulation excessive d’une incertitude. L’OMS recommande une gouvernance explicite des grands modèles multimodaux en santé et insiste sur les risques de contenu faux, biaisé ou incomplet.5
- Automatisation de la confiance : lorsqu’un système fournit souvent des réponses correctes, l’utilisateur peut devenir moins vigilant. La supervision humaine doit donc être organisée comme une étape active, et non comme une formule générale ajoutée au protocole.
L’IA peut ainsi améliorer certains processus de surveillance et d’aide à la décision lorsqu’elle est correctement évaluée, intégrée et supervisée. Elle ne rend pas les soins infaillibles. La question pertinente n’est pas seulement « le modèle est-il performant ? », mais « dans quelles situations, pour quels patients, avec quelles données et avec quelle organisation cette performance améliore-t-elle réellement le soin ? »
À quoi ressemblera le métier d’infirmier demain avec l’IA ?
Il serait prématuré de décrire un modèle unique de « l’infirmier de demain ». Les usages diffèrent selon les services, les pays, les infrastructures numériques et les cadres réglementaires. Plusieurs trajectoires sont néanmoins plausibles à partir des outils actuellement évalués.
- Une surveillance davantage assistée : les systèmes d’alerte pourront exploiter plusieurs sources de données et signaler des trajectoires inhabituelles. Le professionnel restera chargé de confirmer la pertinence clinique et de décider de l’escalade appropriée.
- Une documentation plus partiellement automatisée : les assistants génératifs et les outils ambiants peuvent réduire certaines étapes de saisie. La revue systématique sur les systèmes de documentation alimentés par l’IA conclut cependant que la qualité et l’exactitude restent suffisamment variables pour exiger des évaluations rigoureuses avant une généralisation.8
- Un suivi plus distribué entre hôpital et domicile : la télésurveillance peut déplacer une partie de la surveillance vers le domicile. Cela suppose de définir qui reçoit les alertes, dans quels délais, selon quels protocoles et avec quelles responsabilités.
- Une participation accrue aux projets numériques : les infirmiers pourraient être davantage impliqués dans le choix des outils, la conception des interfaces, la définition des alertes pertinentes et l’évaluation de leurs conséquences sur le travail réel.
- Une exigence renforcée de culture de l’IA : l’AI Act introduit déjà des dispositions relatives à la littératie en matière d’IA applicables depuis février 2025. Au-delà du droit, la maîtrise pratique des limites, biais et modes de vérification deviendra une composante de la qualité des usages.7
Il faudra également observer un effet moins visible : celui de l’automatisation sur l’apprentissage du métier. Si certaines tâches de collecte, de rédaction ou de tri sont progressivement prises en charge par des systèmes, les organisations devront s’assurer que les professionnels en formation continuent d’acquérir les compétences nécessaires pour comprendre la provenance des informations et détecter une incohérence.
L’avenir du métier dépendra donc moins d’un scénario de remplacement que de la manière dont les établissements répartiront les responsabilités entre professionnels et systèmes. Plus une tâche touche directement à la sécurité du patient, plus les exigences d’évaluation, de traçabilité et de supervision doivent être fortes.
Des soins augmentés par l’IA, au cœur d’une relation toujours humaine
L’intelligence artificielle peut analyser des signaux, produire un score ou préparer une synthèse. Elle ne partage pas la responsabilité professionnelle de l’infirmier et n’éprouve pas la situation vécue par le patient. Cette différence n’est pas un détail philosophique : elle détermine la manière dont les systèmes doivent être intégrés au soin.
Un outil utile est un outil dont la finalité est claire, dont les performances sont évaluées dans un contexte pertinent, dont les erreurs peuvent être repérées et dont l’usage n’affaiblit ni la vigilance clinique ni l’autonomie du patient. L’OMS insiste depuis plusieurs années sur la nécessité de placer l’éthique, les droits humains, la transparence et la responsabilité au cœur de la gouvernance de l’IA en santé.[9]
Pour l’infirmier, la transformation la plus importante pourrait donc être moins spectaculaire qu’une automatisation complète des soins. Elle réside dans la capacité à travailler avec davantage d’informations tout en conservant une hiérarchie claire entre données, alerte, interprétation et décision. Le système peut signaler. Le professionnel doit encore observer, contextualiser, expliquer et agir.
La technologie peut rendre certaines informations visibles plus tôt. Elle peut aussi produire de nouveaux angles morts. L’enjeu des soins augmentés n’est donc pas de choisir entre intelligence artificielle et expertise infirmière, mais d’organiser leur articulation de manière à ce que la technologie renforce réellement la sécurité, la continuité et la qualité de la relation de soin.
La question à suivre est désormais la suivante : les établissements utiliseront-ils l’IA principalement pour accélérer les flux de travail, ou pour redonner aux professionnels les conditions nécessaires à une surveillance plus attentive et à une présence plus disponible auprès du patient ?
Pour aller plus loin
Pour prolonger cette réflexion sur l’IA en santé, la supervision humaine et l’évolution des compétences, voici quatre lectures complémentaires du blog aivancity.
Sources
[1] Rossetti, S. C., Dykes, P. C., Knaplund, C., et al. (2025). Real-time surveillance system for patient deterioration: a pragmatic cluster-randomized controlled trial. Nature Medicine, 31, 1895-1902. Consulter l’étude
[2] Rossetti, S. C., Dykes, P. C., Knaplund, C., et al. (2026). Author Correction: Real-time surveillance system for patient deterioration: a pragmatic cluster-randomized controlled trial. Nature Medicine, 32, 1556. Consulter la correction
[3] World Health Organization. (2025). State of the World’s Nursing Report 2025. Consulter le rapport
[4] Song, J., Liu, W., Wang, Y., Hu, X., Chen, L., Wu, X., Zheng, C., & Gu, Q. (2025). Application and Challenges of Large Language Models in Clinical Nursing: A Systematic Review. Computers, Informatics, Nursing, 43(9), e01328. Consulter l’étude
[5] World Health Organization. (2025). Ethics and Governance of Artificial Intelligence for Health: Guidance on Large Multi-Modal Models. Consulter le rapport
[6] Topaz, M. (2025). Invisible Scribes: Can Nurses Trust Ambient AI for Clinical Documentation? Journal of Continuing Education in Nursing, 56(9), 358-359. Consulter l’article
[7] European Commission. (2026). Navigating the AI Act. Consulter la Commission européenne • European Union. Regulation (EU) 2024/1689, Article 6. Consulter le règlement
[8] Bracken, A., Reilly, C., Feeley, A., Sheehan, E., Merghani, K., & Feeley, I. (2025). Artificial Intelligence (AI)-Powered Documentation Systems in Healthcare: A Systematic Review. Journal of Medical Systems, 49(1), 28. Consulter l’étude
[9] World Health Organization. (2021). Ethics and Governance of Artificial Intelligence for Health. Consulter le rapport