Un point d'inflexion historique

La transition du secteur de la santé vers l'intelligence artificielle n'a aucun précédent en termes de vitesse d'adoption. Le basculement du papier vers les dossiers médicaux électroniques avait nécessité plus d'une décennie, soutenu par des incitations réglementaires. Avec l'IA générative, la dynamique est inverse : deux ans et demi après l'ouverture au grand public des grands modèles de langage, l'IA est déjà classée priorité stratégique N°1 dans les conseils d'administration des acteurs de santé⁽¹⁾.

Bessemer Venture Partners, en partenariat avec AWS et Bain & Company, a enquêté auprès de plus de 400 dirigeants des segments Payer, Pharma et Provider pour cartographier cet état d'adoption. Le signal est sans ambiguïté : 95 % des répondants estiment que l'IA générative sera transformative pour le secteur, et 84 % pensent qu'elle impactera directement les décisions cliniques⁽¹⁾. Chez les Providers, 85 % des dirigeants s'attendent à une transformation de la prise de décision clinique dans un horizon de 3 à 5 ans⁽¹⁾.

Des budgets en forte accélération, pilotés par le C-suite

L'ambition stratégique se traduit concrètement dans les allocations budgétaires. 60 % des dirigeants rapportent que leurs budgets IA progressent plus vite que leurs dépenses IT générales (65 % des Payers, 57 % des Pharmas, 56 % des Providers). 65 % des projets IA sont financés via un budget centralisé, et 70 % des décisions sur les cas d'usage IA sont arbitrées directement par le C-suite (et non par les directions informatiques)⁽¹⁾.

Les organisations dotées d'une feuille de route IA formalisée obtiennent un ROI tangible dans 69 % des cas et des gains d'efficacité satisfaisants dans 72 %, contre respectivement 41 % et 46 % pour celles opérant sans cadre stratégique⁽²⁾. Ce différentiel illustre un décalage persistant entre ambition et exécution : l'IA dans la santé récompense la structuration, pas l'expérimentation désordonnée.

Une adoption réelle mais fragmentée : le fossé POC-production

Sur les 59 cas d'usage identifiés par l'étude (22 pour les Payers, 19 pour la Pharma, 18 pour les Providers), près de 45 % restent en phase d'idéation ou de preuve de concept, et seulement 30 % en moyenne des POCs arrivent en production⁽¹⁾.

La disparité selon les segments et la taille des organisations est importante :

• Large Providers : 46 % des POCs atteignent la production

• Large Payers : 36 % des POCs en production

• Small Pharma/Biotech : moins de 20 % des POCs passent en production⁽¹⁾

Les assistants IA de scribing clinique illustrent la capacité d'adoption rapide des Providers : 30 % d'entre eux ont déjà des déploiements à l'échelle du système, 22 % sont en implémentation et 40 % en phase de pilotage actif⁽¹⁾. À l'échelle du terrain, une étude menée auprès de 1 295 cliniciens européens documente une réduction moyenne de 29 % du temps consacré à la rédaction des comptes-rendus médicaux⁽⁵⁾.

5.3.4 Les quatre freins structurels à la montée en échelle

Les dirigeants identifient quatre obstacles principaux qui ralentissent le passage de l'expérimentation à la production industrielle⁽¹⁾ :

• La sécurité des données est le frein cité en premier : 61 % des Payers, 52 % des Pharmas et 50 % des Providers l'identifient comme barrière haute ou extrême.

• Le manque d'expertise IA en interne est cité par 52 % des Pharmas et Payers, et 48 % des Providers.

• Le coût des intégrations reste un obstacle majeur, particulièrement pour les Payers (51 %) dont les systèmes legacy sont souvent les plus fragmentés.

• La préparation des données est le frein le plus spécifique à la Pharma (47 %), dont les données cliniques et moléculaires sont souvent non structurées et dispersées entre silos.

Fait notable : le budget n'est pas un frein. En effet, la majorité des dirigeants, dans chaque segment, ne le citent pas comme obstacle à la montée en production⁽¹⁾.

Qui développe l'IA dans la santé ?

En moyenne, ~33 % du développement IA se fait en interne, en s'appuyant sur des modèles de fondation horizontaux. Seuls ~15 % des projets sont actuellement développés ou fournis par des startups spécialisées⁽¹⁾.

Ce chiffre ne reflète pas un désintérêt : 54 % des dirigeants souhaitent travailler avec des startups, et 48 % préféreraient une startup innovante à un acteur établi si la technologie est significativement meilleure. Mais 55 % exigent un track record prouvé avec un ROI clairement attribuable, et seulement 32 % estiment que les startups proposent aujourd'hui des solutions supérieures à celles des grands acteurs tech⁽¹⁾.

Ce que cela signifie pour le Private Equity en santé

La convergence IA-santé crée des opportunités d'investissement structurées autour de trois axes :

• Les enablers d'infrastructure (données de santé, cloud sécurisé, interopérabilité, cybersécurité médicale) constituent la couche fondatrice sur laquelle repose toute adoption IA.

• Les applications verticales à fort ROI démontré (scribing clinique, RCM automatisé, détection diagnostique, optimisation des essais cliniques) sont celles qui franchissent le mieux le filtre de production. Ces acteurs bénéficient d'une dynamique de consolidation via platformisation accélérée par des opérations M&A ou des carve-outs⁽⁴⁾.

• La Pharma et la Biotech restent en retard sur l'adoption mais représentent le plus grand potentiel de valeur. La R&D accélérée par l'IA pourrait réduire significativement le coût et la durée des cycles de développement⁽³⁾.

Sources :  

(1) Bessemer Venture Partners, AWS, Bain & Company, The Healthcare AI Adoption Index, décembre 2025 ;

(2) Bain & Company, How much value are pharma companies getting from AI? ;

(3) Bain & Company, Key pharma tech trends to 2024 ;

(4) Bain & Company, Generative AI in MedTech ;

(5) Les Échos, "Moins de stress, plus de temps : les premiers bénéfices des assistants IA pour les soignants"

‍