HIMSS26 : des copilotes aux agents de santé

Pendant deux ans, l’IA en santé a surtout été racontée comme une histoire de copilotes. Des assistants capables de résumer une note, rédiger un compte rendu, alléger une boîte de réception, suggérer une réponse. Utile, parfois impressionnant, souvent prometteur. Mais à la veille de HIMSS26, un autre récit s’impose. Avec le lancement d’Amazon Connect Health et la poussée parallèle de Google Cloud autour du passage “from data to agentic action”, nous ne sommes plus seulement dans l’ère de l’IA qui assiste. Nous entrons dans celle de l’IA qui commence à coexécuter. Et cela change tout. Amazon Connect Health n’est pas présenté comme un simple centre de contact enrichi à l’IA. AWS le positionne comme une offre agentique verticale pour la santé, capable de prendre en charge des flux de travail complets : vérification d’identité patient, gestion de rendez-vous, préparation contextuelle des visites, documentation clinique ambiante et codage médical. Certains modules sont déjà disponibles, d’autres encore en preview, mais la direction est limpide : faire de l’IA non plus un outil périphérique, mais une couche d’orchestration opérationnelle entre la relation patient, les systèmes métiers et les workflows cliniques. Et Amazon n’est pas seul. À la veille de HIMSS26, Google Cloud pousse exactement la même montée en gamme, avec un discours explicite sur le passage “from data to agentic action”. Google met en avant des agents IA propulsés par Gemini appliqués à l’engagement patient, aux workflows, au revenue cycle et à l’exploitation des données, avec des partenaires comme CVS Health, Highmark, Waystar et Quest. Ce parallélisme est essentiel : il confirme que le marché ne parle plus seulement de génération de contenu, mais de mise en action des données et des processus dans les environnements de santé. C’est précisément ce que décrit le très bon rapport publié par Microsoft et The Health Management Academy sur la préparation des systèmes de santé à l’IA agentique. Leur thèse est claire : le secteur évolue selon trois phases. D’abord l’IA comme assistant. Ensuite les équipes hybrides humain-agent. Enfin, des organisations où l’humain fixe les priorités et où les agents exécutent les processus courants, avec escalade en cas d’exception. Nous ne parlons donc plus d’un gadget conversationnel. Nous parlons d’un nouveau modèle d’organisation du travail. Ce qui rend ce moment particulièrement intéressant, c’est que la valeur ne se situe pas d’abord là où beaucoup l’attendaient. Le récit public de l’IA en santé reste dominé par le diagnostic, la médecine personnalisée ou la décision clinique augmentée. Mais, dans les faits, là où le ROI se matérialise aujourd’hui le plus vite, ce sont les couches administratives, documentaires et transactionnelles du système de santé. Dans l’étude Microsoft / THMA, les dirigeants interrogés citent la documentation clinique comme premier domaine de ROI quantifiable, à 70 %, devant le revenue cycle à 50 % et l’aide à la décision clinique à 33 %. Ils placent aussi en tête de leurs priorités la réduction du burnout et l’efficacité de la main-d’œuvre à 40 %, devant la qualité clinique et la sécurité des patients à 33 %. En d’autres termes : l’IA agentique n’entre pas d’abord dans la santé par la grande porte du prestige clinique. Elle entre par la porte, beaucoup moins glamour mais absolument stratégique, de la friction organisationnelle. Et Amazon a visé juste. AWS explique qu’aujourd’hui, dans de nombreux centres d’accès patient, les équipes peuvent passer jusqu’à 80 % du temps de traitement d’un appel à compiler manuellement des informations issues de plusieurs systèmes pour simplement authentifier un patient ou gérer une demande basique. Cela dit beaucoup du vrai problème : pas seulement un manque de personnel, mais une architecture de travail éclatée, fragmentée, chronophage. Sur ce terrain, Amazon Connect Health est particulièrement intéressant parce qu’il se situe à l’intersection de trois mondes qui, jusqu’ici, étaient encore souvent achetés séparément : la relation patient, la documentation clinique et le codage / cycle de revenus. C’est là qu’AWS est en train de monter dans la chaîne de valeur. Le cas de UC San Diego Health, mis en avant par Amazon, est révélateur : 3,2 millions d’interactions patient par an, une minute gagnée par appel, 630 heures hebdomadaires réallouées de la vérification d’identité vers une assistance plus directe, et une baisse de 30 % des abandons d’appel, jusqu’à 60 % dans certains services. L’autre front majeur, évidemment, est celui de la documentation ambiante. Là aussi, le lancement d’Amazon Connect Health confirme une tendance lourde : la documentation clinique devient un champ de bataille central entre AWS, Microsoft/Nuance et d’autres plateformes de workflow santé. Avec sa brique d’ambient documentation, AWS propose une captation de la conversation clinique, une structuration des notes et un rattachement des éléments de preuve à la documentation. Mais il faut ici garder la tête froide : AWS rappelle noir sur blanc que ces résultats restent probabilistes et doivent être revus par des professionnels de santé formés avant tout usage clinique. C’est un détail que beaucoup oublient quand ils parlent de “médecine augmentée”, mais c’est en réalité l’un des points les plus importants du débat. Et c’est là qu’intervient un travail très précieux venu de Stanford : MedAgentBench. Ce benchmark ne teste pas seulement des modèles sur des questions médicales théoriques. Il évalue leur capacité à agir dans des environnements plus réalistes, compatibles FHIR, avec de vrais enchaînements de tâches. Résultat : les meilleurs modèles progressent vite, mais restent loin d’une autonomie sûre sur des workflows complexes. Claude 3.5 Sonnet v2 atteint 69,67 % de succès global, GPT-4o 64 %, DeepSeek-V3 62,67 %, Gemini-1.5 Pro 62 %, tandis que Llama 3.3 70B descend à 46,33 %. La leçon est essentielle : les modèles savent de mieux en mieux parler. Ils savent encore imparfaitement faire, surtout quand il faut coordonner plusieurs systèmes et maintenir une logique d’action robuste. Cela explique pourquoi les vrais freins au passage à l’échelle ne sont pas seulement techniques. Dans l’étude Microsoft / THMA, 60 % des dirigeants identifient la préparation de la main-d’œuvre et les questions d’accountability comme enjeu majeur. Seuls 27 % disent redessiner activement leur architecture de données et leurs systèmes cœur pour l’IA. Et si 77 % disposent de politiques de validation des modèles, seuls 17 % ont mis en place des plateformes d’entreprise pour le monitoring continu de la performance et de l’impact. C’est aussi pour cela qu’Amazon Connect Health mérite d’être lu comme bien plus qu’un lancement produit. AWS ne vend pas juste un modèle. AWS vend une pile. Une pile faite d’intégration EHR, de centre de contact, de sécurité, de chiffrement, de journalisation, de documentation, de traçabilité et d’exécution workflow. La documentation AWS met d’ailleurs en avant plusieurs garde-fous structurants : chiffrement au repos via AWS KMS, chiffrement en transit via TLS 1.2+, journalisation via CloudTrail et architecture de zero-persistence pour les données patient dans la couche Amazon Connect Health, les informations étant récupérées à la volée depuis les systèmes sources sans persistance durable au-delà de la session active. À ce stade, Amazon Connect Health n’est disponible que dans deux régions AWS américaines : us-east-1 et us-west-2. Pour un acteur français ou européen, cela limite fortement la portée opérationnelle immédiate du produit, en particulier dès lors qu’on parle de résidence des données, de transferts, de souveraineté ou de conformité sectorielle stricte. Amazon Connect Health est donc aujourd’hui, vu d’Europe, moins une solution immédiatement déployable à grande échelle qu’un signal très clair de ce vers quoi va le marché. Et ce marché, justement, se structure vite autour de quelques géants. Microsoft avec Dragon Copilot. Salesforce avec Agentforce for Healthcare. AWS avec Amazon Connect Health. Tous cherchent à se positionner sur la même bataille stratégique : non pas seulement fournir de l’IA, mais devenir la couche d’exécution des workflows de santé. Celle qui relie l’expérience patient, le back-office, le point of care, le codage, la conformité et les indicateurs de performance. Au fond, la vraie question n’est plus : l’IA va-t-elle transformer la santé ? Le lancement d’Amazon Connect Health marque exactement ce tournant. Nous sortons progressivement d’une phase où l’IA était évaluée comme un outil d’assistance individuelle. Nous entrons dans une phase où elle devient une infrastructure organisationnelle. Et c’est là que le sujet devient profondément IAtrogénique. L’IA agentique n’est donc pas seulement une avancée technologique. C’est un test de maturité pour les systèmes de santé. Un test de gouvernance. Un test d’architecture de données. Un test de formation des équipes. Un test de souveraineté. Et, surtout, un test de capacité à faire cohabiter volume, sécurité, empathie et responsabilité. Amazon Connect Health n’est pas encore l’aboutissement de cette histoire. Mais c’est sans doute l’un des marqueurs les plus nets de son commencement.

Amazon n’est pas seul : HIMSS26 confirme la bataille des architectures agentiques

Le lancement d’Amazon Connect Health n’est pas un événement isolé. À la veille de HIMSS26, plusieurs signaux convergent. Google Cloud structure son discours autour du passage “from data to agentic action” et met en avant des agents Gemini pour transformer les workflows santé. Epic arrive avec sa logique d’Agent Factory et d’usages no-code autour de l’IA. Oracle Health annonce aussi une IA de plus en plus imbriquée dans l’EHR, le remboursement et les applications cloud. Le message est clair : la santé entre dans une phase où les grands acteurs ne cherchent plus seulement à proposer des assistants, mais à devenir la couche d’exécution du système. Cette accélération dépasse d’ailleurs le seul moment HIMSS. OpenAI a lancé ChatGPT Health et OpenAI for Healthcare début janvier 2026, avec une double logique : d’un côté une expérience dédiée pour les individus connectant données de santé et conversation, de l’autre une offre destinée aux organisations de santé avec des produits sécurisés compatibles avec les exigences HIPAA. Anthropic a, de son côté, annoncé Claude for Healthcare, également en janvier 2026, avec une orientation nette vers les providers, payers, health techs et usages cliniques ou médico-administratifs. Salesforce pousse aussi Agentforce for Healthcare, pensé comme une couche agentique métier pour payeurs, offreurs de soins et acteurs de santé publique. Ce que cela révèle est majeur : nous ne sommes plus dans une phase où les grands acteurs technologiques testent quelques assistants IA périphériques. Nous sommes entrés dans une phase de verticalisation santé où chacun cherche à contrôler la future couche d’exécution du système : relation patient, documentation, codage, revenue cycle, coordination, voire navigation individuelle dans le parcours de soins. OpenAI avance par l’interface conversationnelle et la personnalisation de l’expérience santé ; Anthropic par la fiabilité, les usages professionnels et les connecteurs métiers ; Amazon par l’orchestration du front-office patient, des workflows et de l’infrastructure cloud ; Salesforce par les agents métier intégrés aux opérations ; Google par la donnée, l’analytique et l’automatisation agentique à l’échelle. Qui possédera la couche conversationnelle ? Qui détiendra l’accès contextuel aux données ? Qui orchestrera les agents entre patient, administratif, clinicien et finance ? Qui fournira les outils de supervision, de traçabilité, d’observabilité et de contrôle humain ? Derrière les annonces produits se joue en réalité un déplacement du pouvoir : de la simple fourniture logicielle vers la gouvernance même des flux de soins et des flux administratifs. C’est pourquoi Amazon Connect Health doit être lu non comme un produit de plus, mais comme l’un des marqueurs les plus nets d’un changement d’époque. Après l’ère des copilotes, voici venir celle des systèmes agentiques spécialisés, branchés sur les données, les workflows et les opérations. La promesse est immense : absorber la complexité sans augmenter mécaniquement les effectifs, fluidifier l’accès, réduire la charge administrative, réallouer du temps humain vers l’empathie, la décision complexe et la relation. Mais le risque l’est tout autant : dépendance industrielle accrue, normalisation silencieuse des pratiques, dilution de la responsabilité, gouvernance insuffisante et nouvelles formes d’iatrogénie numérique. #IAtrogénique #IAtus #IA #IntelligenceArtificielle #DigitalHealth #eSanté #SantéNumérique #AWS #AmazonConnectHealth #IAAgentique #HealthTech #TransformationDigitale #ParcoursPatient #DocumentationClinique #SouverainetéNumérique Renaud Luparia Stéphane LAURENT Frédéric DOMIN Jean-Marc Chevilley Xavier Maurin Clotaire Delanchy Eric Pieuchot Stéphan Haaz Christelle Rolland Florent D'ACUNTO Salma Lotfi Ludivine Beaulant Catel - La coopérative en e-santé Christophe TARIN Stéphane COÏC Thomas DUMOULIN Laurent FRIGARA Raphael Ruiz HIMSS Global Health Conference & Exhibition Frédéric Laroche Patrick NICOLAZO Stéphane KIRCHE Bernard castells Mélissa Boisgontier Bellocq Denis Jeannelle Emmanuel Canes Cyril H. Delphine GUILGOT Franck MESTRE Benjamin Degardin Benoist Alexandre Rosalie MAURISSE Paul-François Fournier Jerome Coutet Olivier Chabanon Dimitri Maugé Philippe Morin Louis Carle Etienne Portais Laurence Sonzogni Delgado Eléonore de Galzain Anaëlle Valdois Carlos JAIME Victoire Bach Deborah Beddok Pierrick BEDOUCH Pascale GELIN Guillaume Laguette Nicolas Schneider Patrick Callier Barbara Mathian Yannick NEUDER Hela Ghariani David Sainati Jean-Christophe Zerbini ♦️David PETAUTON♦️ Laurent Vilboeuf Emmanuel Bacry Antoine FERREIRA Dominique Pon David Gruson Paul-François Fournier Stéphanie Combes Agnès Buzyn Sacha Loiseau Emmanuel Canes Xavier Maurin Clotaire Delanchy Frédéric Laroche Eric Pieuchot Raphael Ruiz Christophe TARIN Patrick NICOLAZO