Les coûts cachés des diagnostics fragmentés
Pourquoi la qualité des données est en train de devenir un pillier de l'infrastructure clinique
Une mesure s'affiche sur un écran. Une autre arrive sous la forme d'un PDF en attente d'être importée. Un ECG est enregistré sur un autre système, accessible uniquement via une connexion différente. Toutes les informations existent, mais elles sont rarement réunies au même endroit. Avant qu'une décision clinique puisse être prise, quelqu'un doit rassembler les différentes pièces du puzzle. À chaque fois.
Les dispositifs médicaux ne sont généralement pas le problème. Ils sont aujourd'hui plus rapides, plus intelligents et plus précis que jamais. La véritable difficulté se situe entre ces dispositifs : des flux de travail déconnectés, des données fragmentées et le temps nécessaire pour transformer des mesures en informations cliniques exploitables.
Ce défi prend encore plus d'importance à mesure que l'intelligence artificielle s'impose dans le secteur de la santé. Selon l'AMA Physician Survey 2026, 81 % des médecins américains utilisent désormais l'IA dans leur pratique clinique, contre seulement 38 % en 2023. Pourtant, malgré cette adoption rapide, de nombreux parcours diagnostiques restent fragmentés, ce qui limite considérablement le potentiel de l'intelligence artificielle.
C'est précisément l'un des messages clés de la conférence « Rethinking Diagnostic Pathways in Modern Healthcare », présentée par Sven Jungmann lors de la MESI Conference 2026. Médecin de formation, devenu ensuite entrepreneur dans le domaine de la santé numérique, Sven Jungmann dirige aujourd'hui aiomics, une entreprise spécialisée dans l'application de l'intelligence artificielle et des systèmes fondés sur les données afin d'améliorer la prise de décision clinique.
À la croisée de la médecine, de la technologie et de l'organisation des parcours de soins, il apporte une vision unique des raisons pour lesquelles le secteur de la santé peine encore à transformer des données diagnostiques de grande qualité en décisions cliniques véritablement intégrées.
Son message est sans équivoque : l'avenir des soins de santé ne dépendra pas du nombre d'outils que nous ajouterons, mais de notre capacité à les connecter intelligemment.
« Comment aurais-je pu repenser mon flux de travail s'il n'existait pas encore ? »
Comme Jungmann l'a rappelé dès le début de son intervention, « un idiot équipé d'un outil reste un idiot ». Son message était clair : la technologie ne suffit pas à elle seule à résoudre les dysfonctionnements d'un système. Sans des flux de travail adaptés, des données interconnectées et une logique clinique cohérente, même les outils diagnostiques les plus performants risquent d'ajouter de la complexité au lieu de la réduire.
Écoutez le point de vue de Sven Jungmann
La conférence d'ouverture n'a abordé qu'une partie du sujet.
Dans cette interview exclusive enregistrée lors de la MESI Conference 2026, Sven Jungmann revient plus en détail sur les défis des diagnostics fragmentés, la qualité des données, l'intelligence artificielle et l'avenir d'un système de santé véritablement connecté.
Les coûts cachés des parcours diagnostiques fragmentés
Des dispositifs toujours plus performants, mais des parcours de soins qui évoluent peu
Depuis des années, l'innovation en santé s'est principalement concentrée sur l'amélioration des dispositifs diagnostiques. Des systèmes ECG plus performants, une spirométrie plus rapide, des objets connectés toujours plus intelligents ou encore des technologies d'imagerie de plus en plus sophistiquées ont permis de créer un environnement clinique plus précis et plus riche en données.
Mais si les outils ont considérablement évolué, les parcours qui les entourent, eux, sont souvent restés inchangés.
C'est là que la véritable complexité apparaît, non pas au moment de la mesure elle-même, mais dans tout ce qui se passe autour.
Dans de nombreux établissements de santé, le diagnostic reste un processus fragmenté. Un dispositif produit un résultat, un autre enregistre les données ailleurs, tandis que les professionnels de santé passent continuellement d'une interface à l'autre, transfèrent manuellement des informations et reconstituent l'historique clinique d'un patient à partir de systèmes qui ne communiquent pas ou mal entre eux.
Pris individuellement, chacun de ces gestes paraît anodin. Ensemble, ils créent pourtant un parcours clinique bien plus complexe qu'il ne devrait l'être.
C'est à cela que ressemble concrètement un diagnostic fragmenté : des mesures, des données patients et des comptes rendus diagnostiques produits par des dispositifs et des systèmes distincts, sans continuité fluide entre eux.
Au cœur de cette problématique se trouve l'interopérabilité, ou plutôt son absence. Sans interopérabilité, les données perdent leur contexte. Et sans contexte, la prise de décision clinique devient plus lente et plus difficile.
Le coût de la fragmentation est souvent invisible
Le coût de cette fragmentation est rarement perceptible, car il se répartit tout au long de la journée clinique. Il se cache dans les quelques minutes perdues à se connecter à un nouveau système, dans un rapport imprimé qui attend d'être numérisé, dans la retranscription manuelle d'un résultat dans le dossier médical électronique ou encore dans un appel destiné à vérifier qu'un examen a bien été importé.
Pris isolément, aucun de ces gestes ne paraît important. Ensemble, ils représentent pourtant des heures de temps clinique perdues.
Dans l'ensemble de ses travaux consacrés à la santé numérique, Jungmann revient régulièrement sur une idée essentielle : innover ne consiste pas toujours à apprendre quelque chose de nouveau. Parfois, il faut avant tout désapprendre des habitudes et abandonner des systèmes qui ne répondent plus aux exigences de la médecine moderne.
Comme il le résume lui-même, l'innovation consiste parfois davantage à supprimer les points de friction qu'à ajouter de nouvelles fonctionnalités.
Cette réflexion prend tout son sens dans le domaine du diagnostic, où de nombreux processus restent encore fondés sur des modèles hérités d'une époque où les soins étaient moins connectés et où la circulation des données était beaucoup plus lente.
Le véritable défi n'est plus de collecter des données, mais d'en garantir la qualité
Aujourd'hui, le secteur de la santé ne manque plus de données. Il en produit déjà des quantités considérables. Le véritable enjeu est désormais de rendre ces données exploitables, accessibles et pertinentes au moment précis où elles sont nécessaires.
Comme l'a souligné Sven Jungmann, l'intelligence artificielle offre un potentiel considérable, mais uniquement si les fondations sur lesquelles elle repose sont suffisamment solides. C'est ici qu'un principe fondamental du numérique prend tout son sens : « garbage in, garbage out ». Si les données introduites dans un système sont de mauvaise qualité, les résultats le seront également.
À ce sujet, Jungmann s'est appuyé sur une étude récente publiée dans JAMA Network Open. Les chercheurs ont comparé les performances diagnostiques de médecins travaillant seuls, de médecins assistés par GPT-4 et de GPT-4 utilisé de manière autonome. Les médecins seuls ont obtenu un score de 73,7 %, les médecins assistés par GPT-4 76,3 %, tandis que GPT-4 seul atteignait 92,0 %.
« Lorsque les informations sont dispersées, une étape essentielle est inévitablement ignorée. »
Ces résultats sont impressionnants, mais ils soulèvent une question essentielle. Si une intelligence artificielle peut surpasser un clinicien dans certaines situations, que se passe-t-il lorsque les données qui l'alimentent sont incomplètes, fragmentées ou incohérentes ?
Aussi sophistiqué soit-il, un modèle d'IA, une plateforme d'analyse ou un système d'aide à la décision clinique ne pourra produire que des résultats à la hauteur des données qui lui sont fournies. Lorsque les données diagnostiques sont incomplètes, saisies manuellement, incohérentes ou réparties entre plusieurs systèmes qui ne communiquent pas entre eux, les analyses qui en découlent héritent inévitablement de ces mêmes faiblesses.
Il ne s'agit plus seulement d'un défi technologique. C'est désormais l'un des enjeux cliniques majeurs auxquels les systèmes de santé sont confrontés.
La qualité des données devient une infrastructure clinique
À mesure que les soins de santé évoluent vers l'analyse prédictive, l'automatisation et la prise de décision assistée par l'intelligence artificielle, la disponibilité de données diagnostiques structurées et standardisées devient indispensable.
Sans cette base solide, les établissements de santé risquent de construire des systèmes toujours plus sophistiqués sur des fondations fragiles.
La qualité des données ne peut plus être considérée comme une simple question informatique ou administrative. Elle devient un élément essentiel de l'infrastructure clinique.
Parallèlement, l'adoption rapide de l'intelligence artificielle soulève de nouveaux défis en matière de gouvernance. Jungmann rappelle que 40 % des professionnels de santé ont déjà été confrontés à l'utilisation d'outils d'IA non autorisés au sein de leur organisation, illustrant la rapidité avec laquelle la technologie peut dépasser les cadres organisationnels existants.
Des données fiables, structurées et harmonisées transforment profondément la manière dont les soins sont délivrés. Elles permettent aux professionnels de prendre des décisions plus rapidement, d'améliorer la continuité des soins et de comparer plus facilement l'évolution clinique d'un patient au fil du temps.
Elles renforcent également la collaboration entre les équipes, puisque chacun travaille à partir d'une même information clinique, actualisée et partagée.
Dans le domaine de la prévention, cet avantage est particulièrement important : des données de qualité permettent d'identifier les facteurs de risque plus précocement et d'intervenir avant que les pathologies ne progressent.
Tous les coûts ne se mesurent pas en temps.
Mais tous les coûts de la fragmentation ne se traduisent pas en minutes perdues. Certains se mesurent en attention.
« Nous avons tendance à penser que le temps est notre ressource la plus précieuse. En réalité, c'est notre capacité d'attention. »
Sven Jungmann, MESI Conference 2026
Chaque rupture dans le parcours diagnostique impose une charge mentale supplémentaire aux professionnels de santé. Ils doivent se souvenir où sont stockées les données, vérifier si elles ont bien été importées, identifier la version la plus récente et s'assurer que les informations dont ils disposent sont fiables.
Pris séparément, chacun de ces gestes semble négligeable. Ensemble, ils créent une friction permanente qui, au fil du temps, devient une véritable charge cognitive.
Dans des systèmes de santé déjà soumis à une forte pression, cette réalité ne peut plus être ignorée.
L'épuisement professionnel n'est pas uniquement lié à la charge de travail. Il résulte également de la complexité des organisations, des inefficacités quotidiennes et de l'effort mental constant nécessaire pour naviguer entre des systèmes qui devraient, au contraire, simplifier le travail des équipes soignantes.
La technologie devrait alléger cette charge, et non l'alourdir.
L'avenir du diagnostic est connecté.
C'est pourquoi la réflexion autour du diagnostic doit évoluer.
L'objectif ne devrait pas être d'introduire toujours plus d'outils dans la pratique clinique, mais de construire des écosystèmes diagnostiques connectés, dans lesquels chaque mesure vient enrichir une vision unique et cohérente du patient.
Le diagnostic ne devrait plus être considéré comme une succession d'actes isolés, mais comme une composante d'une infrastructure clinique intégrée, conçue pour favoriser des décisions plus rapides, des analyses plus pertinentes et une meilleure collaboration entre les professionnels de santé.
C'est précisément le changement de perspective que Sven Jungmann a invité son auditoire à adopter.
La véritable question n'est plus de savoir si les systèmes de santé sont capables de produire davantage de données. Ils le sont déjà.
La question essentielle est désormais de savoir s'ils sont capables de transformer toutes les données dont ils disposent en une source unique de vérité, et si les systèmes qui les entourent permettent réellement de convertir ces données en décisions cliniques pertinentes.
Car les coûts cachés de la fragmentation des parcours diagnostiques ne se trouvent généralement pas dans les dispositifs eux-mêmes.
Ils se cachent dans le temps perdu entre deux systèmes, dans les décisions retardées, dans la surcharge administrative et dans les occasions manquées d'intervenir plus tôt.
Et, dans les systèmes de santé modernes, ce sont souvent ces coûts qui ont le plus d'impact.
À propos de Sven Jungmann
Les travaux de Sven Jungmann se situent à la croisée de la médecine, de l'intelligence artificielle et des systèmes de santé numériques. À travers son activité chez aiomics et son engagement plus large dans l'innovation en santé, il continue de remettre en question la manière dont les systèmes de santé abordent les données, les parcours de soins et la prise de décision clinique.
Son intervention lors de la MESI Conference 2026 illustre une réalité qui s'impose progressivement : dans un avenir façonné par l'intelligence artificielle, la performance du diagnostic dépendra avant tout de la qualité des systèmes qui relient les données entre elles.