Traduit de l’original anglais. Les chiffres et les sources sont inchangés. Lire l’original en anglais
University Medical Center Freiburg (Eye Center)
La clinique ophtalmologique universitaire de Fribourg teste une IA interne qui propose la fin des lettres de sortie
Les médecins de la clinique ophtalmologique universitaire de Fribourg ont utilisé un modèle de langage de 7 milliards de paramètres, entraîné sur les lettres de l'hôpital et exécuté sur ses propres serveurs, pour proposer la conclusion des lettres de sortie. Lors d'un essai de 12 mois avec 27 jeunes médecins, les utilisateurs ont davantage gagné en vitesse d'écriture que les non-utilisateurs, et les demandes de révision ont légèrement baissé chez eux.
Chiffres clés
Repris tels quels des sources. Copiez n’importe quel chiffre avec sa citation.
39,5
± 20,2 contre 46,7 ± 19,5 WPM
Vitesse d'écriture des cliniciens ayant utilisé l'IA, avant et après (mots par minute, moyenne ± écart type)1
41,8
± 20,3 contre 44,4 ± 20,0 WPM
Vitesse d'écriture du groupe témoin, avant et après (mots par minute, moyenne ± écart type)1
p = 0,045
Test statistique : l'efficacité s'est-elle davantage améliorée chez les utilisateurs de l'IA que chez les témoins (interaction groupe-exposition)1
1,36
± 0,14 à 1,26 ± 0,08
Révisions demandées par les médecins seniors par document, utilisateurs de l'IA, avant et après (moyenne ± écart type)1
Le problème
Les médecins hospitaliers passent une grande partie de leur temps de travail dans les dossiers médicaux électroniques, et une bonne part de l'écriture se fait après les heures de service. À la clinique ophtalmologique universitaire de Fribourg, les jeunes médecins rédigent la conclusion de chaque lettre de sortie après la consultation, puis les médecins seniors la relisent et la renvoient pour révision si nécessaire. La clinique voulait réduire l'effort d'écriture sans ajouter de travail de relecture.
Ce qu'ils ont construit
L'équipe a conçu un assistant de type saisie semi-automatique dans le système de dossier de la clinique. Pendant que le médecin rédige la conclusion d'une lettre de sortie, il propose en gris une ou deux phrases suivantes. Le médecin les accepte d'une touche ou continue de taper pour les écraser. Il active l'outil en cochant une case.
L'assistant est un modèle de langage d'environ 7 milliards de paramètres, appelé BLOOM-CLP-German, adapté à la clinique par une méthode de réglage légère (QLoRA) sur environ 80 000 lettres de sortie anonymisées de ce même hôpital. Il n'utilise en entrée que le dossier existant du patient.
Comment ils s'y sont pris
La clinique a mené un essai contrôlé non randomisé : les médecins choisissaient eux-mêmes d'utiliser ou non l'outil. Une période de référence de 4 mois a été suivie d'une phase d'essai ouverte à tout le service, puis d'une comparaison entre les cliniciens qui ont continué à l'utiliser et ceux qui ne l'ont pas fait. L'étude s'est déroulée du 30 janvier 2024 au 5 février 2025 et a porté sur 27 jeunes médecins et 15 615 documents. L'entraînement et l'utilisation se sont faits sur les serveurs de l'hôpital. L'étude avait reçu l'approbation d'un comité d'éthique et les participants avaient donné leur consentement.
La vitesse d'écriture a été mesurée comme le temps d'édition actif dans le système de dossier, converti en mots par minute. La qualité a été suivie par le nombre de révisions demandées par les médecins seniors pour chaque document.
Résultats
Onze cliniciens ont utilisé l'IA pour 44,7 à 89,5 % de leur documentation. Leur vitesse d'écriture est passée de 39,5 à 46,7 mots par minute, contre 41,8 à 44,4 dans le groupe témoin. Un modèle statistique a jugé la différence d'amélioration significative (p = 0,045).
Les demandes de révision par document sont passées de 1,36 à 1,26 chez les utilisateurs de l'IA et étaient de 1,27 et 1,23 dans le groupe témoin. Les auteurs ne rapportent aucune différence significative entre les groupes sur les révisions, mais concluent que la charge de relecture n'a pas augmenté. En moyenne, les médecins ont accepté 30,9 % des suggestions.
Ce qu'il faut retenir
Commencez par une partie étroite et bien définie d'un document, laissez l'humain auteur et conservez votre étape de relecture pour voir si la qualité se maintient. Menez l'essai dans des flux réels, avec le vrai système de dossier, et suivez à la fois la vitesse et les reprises.
Tous les chiffres publiés
| Indicateur | Chiffre | Citation |
|---|---|---|
| Vitesse d'écriture des cliniciens ayant utilisé l'IA, avant et après (mots par minute, moyenne ± écart type) | 39,5 ± 20,2 contre 46,7 ± 19,5 WPM1 | |
| Vitesse d'écriture du groupe témoin, avant et après (mots par minute, moyenne ± écart type) | 41,8 ± 20,3 contre 44,4 ± 20,0 WPM1 | |
| Test statistique : l'efficacité s'est-elle davantage améliorée chez les utilisateurs de l'IA que chez les témoins (interaction groupe-exposition) | p = 0,0451 | |
| Révisions demandées par les médecins seniors par document, utilisateurs de l'IA, avant et après (moyenne ± écart type) | 1,36 ± 0,14 à 1,26 ± 0,081 | |
| Révisions demandées par document, groupe témoin, avant et après (moyenne ± écart type) | 1,27 ± 0,16 contre 1,23 ± 0,121 | |
| Part moyenne des suggestions de l'IA acceptées, en totalité ou en partie (de 0,02 % à 100 % selon les cliniciens) | 30,9 %1 |
Enseignements pour votre projet
Suggérez, n'écrivez pas à la place. L'outil ne proposait qu'une ou deux phrases en gris que les médecins pouvaient accepter ou écraser en tapant : ils gardaient la main sur chaque lettre.
Conservez la relecture existante. Les médecins seniors ont continué à vérifier chaque lettre, ce qui a permis à la clinique de surveiller la qualité tout en testant la vitesse.
Exploitez les données que vous avez déjà. Le modèle n'a besoin que du dossier du patient en entrée, sans enregistrement audio des consultations.
Attendez-vous à une adoption inégale. L'acceptation des suggestions allait de 0,02 % à 100 %, et 13 des 27 cliniciens ont arrêté après le premier essai : mesurez l'adoption autant que la vitesse.
Gardez les données des patients en interne. L'entraînement et l'utilisation se sont faits sur les serveurs de l'hôpital, ce qui, selon les auteurs, a évité des transferts de données à des tiers.
Réserves
- Il s'agit d'un article évalué par des pairs, écrit par des auteurs de Fribourg sur leur propre clinique. Aucun média indépendant ne confirme les chiffres : le cas repose donc sur des données publiées par l'organisation elle-même.
- Les médecins choisissaient d'utiliser ou non l'outil, si bien que les groupes peuvent différer de façons que l'étude n'a pas pu mesurer. Les auteurs notent que les utilisateurs de l'IA partaient d'une vitesse d'écriture plus faible et avaient une attitude plus favorable à l'IA.
- La baisse des révisions n'a été observée qu'au sein du groupe utilisant l'IA. Les auteurs ne rapportent aucune différence statistiquement significative entre les groupes pour le nombre de révisions.
- Le résultat sur la vitesse a une valeur p de 0,045, proche du seuil habituel de 0,05. Les auteurs précisent qu'il ne faut pas y voir la preuve que les modèles de langage sont prêts pour un usage clinique sans restriction.
- L'étude ne porte que sur la conclusion des lettres de sortie et que sur de jeunes médecins d'une seule clinique.
- L'article donne la période de l'étude (janvier 2024 à février 2025), avec 4 mois de référence avant l'activation de l'IA, mais pas de date précise de mise en service. La date de déploiement n'est donc indiquée que par l'année.
- Groupe témoin : 16 des 27 cliniciens, dont 13 qui avaient essayé l'IA avant d'arrêter. Le résumé de l'article compte 17 témoins et 11 utilisateurs de l'IA, tandis que le texte des résultats compte 16 témoins et 11 utilisateurs.
- L'article renvoie à une publication antérieure pour le développement et l'évaluation du modèle. Ce cas repose uniquement sur l'article de l'essai, qui rend compte d'un usage dans le système de dossier réel avec de vrais documents.
Sources
- Implementation outcomes of AI documentation support in routine clinical practice: A non-randomized controlled trial
PLOS Digital Health · 2026-07-23 · Article de recherche · journals.plos.org
Résumé dans nos propres mots à partir des sources ci-dessus. Une erreur ? Consultez les corrections.