Des chercheurs de Stanford Health Care ont évalué une intelligence artificielle générative capable de rédiger automatiquement les résumés d’hospitalisation à partir du dossier médical électronique. Publiée le 27 mai 2026 dans JAMA Network Open*, leur étude prospective montre que les médecins ont intégré ses propositions dans 57 % des comptes rendus finaux.
Rédiger un compte rendu de sortie fait partie des tâches les plus chronophages à l’hôpital. Avant qu’un patient ne quitte le service, le médecin doit synthétiser plusieurs jours d’hospitalisation à partir du dossier médical électronique : évolution clinique, examens, traitements, décisions thérapeutiques… Une étape indispensable, mais largement administrative.
Une IA au cœur des dossiers médicaux
Pour tenter d’automatiser cette tâche, des chercheurs de Stanford Health Care ont développé une intelligence artificielle générative capable de produire un premier brouillon du résumé d’hospitalisation. Restait à déterminer si un tel outil pouvait réellement s’intégrer dans la pratique clinique, sans compromettre la qualité des comptes rendus ni la sécurité des patients.
Concrètement, les chercheurs ont mené une étude prospective au sein de Stanford Health Care, aux États-Unis. Pendant 10 semaines, ils ont déployé un système d’intelligence artificielle générative intégré au dossier médical électronique. Baptisé Draft Clinical Documentation, cet outil analyse les informations du séjour hospitalier afin de générer automatiquement un premier brouillon du résumé chronologique de l’hospitalisation qui sera inclus dans le compte rendu de sortie.
Au total, l’étude a porté sur 331 patients et 384 sorties d’hospitalisation, pour lesquelles l’IA a produit 1 274 brouillons. Les médecins conservaient toutefois le contrôle du document final : ils pouvaient accepter, modifier ou rejeter les propositions de l’outil avant validation. Les auteurs ont ensuite analysé la fréquence d’utilisation de ces brouillons, les erreurs relevées par les cliniciens et leurs conséquences potentielles, ainsi que l’effet du dispositif sur leur charge documentaire.
Les résultats de l’étude ont été publiés le 27 mai 2026 dans JAMA Network Open.
Résultats : l’IA adoptée dans plus de la moitié des comptes rendus
- Les médecins ont intégré les propositions de l’outil dans 57 % des comptes rendus finaux. Dans les autres cas, ils ont préféré le rédiger eux-mêmes ou ne pas utiliser le brouillon généré.
- Parmi les 100 résumés ayant fait l’objet d’une évaluation détaillée, les cliniciens ont relevé 25 omissions, 20 inexactitudes et 2 hallucinations.
- Aucune erreur identifiée n’a été considérée comme susceptible d’entraîner un dommage grave ou le décès d’un patient.
- Les médecins rapportent une amélioration significative de leur niveau de burn-out après le déploiement de l’outil (score moyen de 1,75 à 1,20). En revanche, la diminution du temps consacré à la rédaction des comptes rendus n’était pas significative.
Pour les auteurs, ces résultats montrent que les principaux défis des assistants de rédaction médicale évoluent. « Si notre architecture de travail a permis de limiter efficacement les hallucinations, les omissions restent le principal type d’erreur », écrivent-ils. Pour réduire ces omissions, les auteurs estiment que l’IA devra s’appuyer sur une part plus importante des informations contenues dans le dossier médical électronique, et pas seulement sur les notes rédigées par les soignants.
Une réduction du burn-out chez les médecins
Les auteurs soulignent également que les bénéfices observés ne se limitent pas au gain de temps. « Un flux de travail fondé sur un grand modèle de langage peut générer des résumés cliniques sûrs et utiles dans la pratique, tout en étant associé à une réduction du burn-out des médecins malgré un gain de temps modeste », concluent-ils. Selon eux, ces résultats justifient désormais des études de plus grande ampleur afin de confirmer ces observations dans d’autres établissements et spécialités.
* Physician-Reported Safety Outcomes of AI-Generated Hospital Course Summaries.
Grolleau F, Liang AS, Keyes T, et al.
JAMA Netw Open. 2026;9(5):e2616556