Un hôpital bruxellois fait tourner Qwen3 sur ses propres serveurs, comme assistant intégré aux dossiers patients

Le problème

Les médecins passent une grande partie de leur journée dans le dossier médical informatisé (le dossier patient numérique de l’hôpital). L’article note que les urgentistes de cet hôpital consacrent en moyenne 20 minutes par patient à lire les documents antérieurs avant une consultation. Par ailleurs, les hôpitaux ne peuvent pas envoyer de données de patients à des chatbots externes sans enfreindre des règles de confidentialité comme le RGPD de l’UE.

Ce qu’ils ont construit

Les Cliniques universitaires Saint-Luc, hôpital universitaire de Bruxelles, ont construit un assistant conversationnel au sein de leur dossier patient Epic. Il repose sur Qwen3-235B, un modèle à poids ouverts d’Alibaba. « Poids ouverts » signifie que les fichiers du modèle sont publiés : une organisation peut donc l’exécuter sur ses propres serveurs au lieu d’appeler le service d’un éditeur.

L’assistant répond aux questions à partir du dossier du patient en cours, des documents du réseau régional belge d’information de santé, des procédures de l’hôpital et d’une sélection de littérature médicale. Chaque réponse indique les sources utilisées, avec des liens qui s’ouvrent dans le dossier.

Comment ils s’y sont pris

L’hôpital a d’abord organisé des ateliers avec les médecins pour recenser et hiérarchiser les cas d’usage. L’accès à l’information arrivant en tête, l’équipe a construit un assistant fondé sur la recherche documentaire. La génération augmentée par récupération (RAG) signifie que le système cherche les documents pertinents et les transmet au modèle avant qu’il ne réponde.

Le tout fonctionne sur un serveur acheté par l’hôpital, équipé de 8 puces NVIDIA H200, sur le réseau de l’hôpital et sans connexion internet externe pour le cœur du dispositif. Un réseau de « champions » médecins a participé à la conception et aux tests. Le délégué à la protection des données de l’hôpital a été consulté et une analyse d’impact relative à la protection des données a été réalisée avant le lancement. L’équipe a notifié l’outil à l’agence belge des médicaments en tant que dispositif médical développé en interne.

Résultats

Lors d’un pilote d’un mois, 28 médecins de neuf spécialités ont tenu 482 conversations, et 64 % ont utilisé l’assistant chaque jour. À l’issue du pilote, l’outil a été ouvert à tout l’hôpital, y compris aux infirmiers et aux étudiants. Entre le 8 mai et le 13 octobre 2025, 1 028 utilisateurs ont tenu 14 910 conversations, et 561 d’entre eux (54,6 %) s’en sont servis au moins une fois par semaine.

L’usage principal était la recherche d’information (36,8 % des conversations), suivie de la synthèse de dossiers (26,5 %). La rédaction de notes représentait 20,7 % et l’aide à la décision clinique 11,0 %. Les auteurs y voient un signe que le personnel utilise l’outil comme aide à l’information plutôt que comme outil de diagnostic.

Ce qui a mal tourné

L’étude n’a pas cherché à savoir si l’assistant fait gagner du temps ou améliore les soins. Les retours du pilote ont révélé des lacunes : des utilisateurs ont signalé l’absence de contexte, par exemple les comptes rendus d’anatomopathologie, et une réponse a mal interprété un score de risque. Le volume d’évaluations a baissé en production ; l’hôpital prévoit donc un échantillonnage aléatoire et des contrôles automatisés des conversations.

Ce qu’il faut retenir

Commencez par les tâches d’information que le personnel demande déjà, intégrez l’outil à son système principal et prévoyez un budget pour le suivi après le lancement.