Dans un couloir des urgences d’un hôpital de taille moyenne, quelque part en France, un manipulateur radio envoie une image vers un serveur. Quelques secondes plus tard, un logiciel a identifié une fracture que le praticien de garde — surchargé, fatigué, gérant simultanément six autres patients — aurait peut-être manquée ou retardée. Personne ne s’en émerveille plus vraiment. L’outil est là depuis quelques mois. Il fait partie du travail. C’est exactement à ça qu’on sait qu’une technologie a réussi à s’intégrer.
Ce genre de scène se multiplie dans les hôpitaux français depuis environ cinq ans, à un rythme que peu de gens en dehors du secteur ont réellement mesuré. Une génération d’ingénieurs — beaucoup issus de Polytechnique, des Arts et Métiers, ou des formations croisées entre médecine et informatique — a compris quelque chose que les grands acteurs industriels avaient raté : l’hôpital n’a pas besoin d’une révolution. Il a besoin d’un outil qui fonctionne le mardi matin, qui s’intègre dans son logiciel existant, et que le radiologue peut utiliser sans formation de trois jours.
AZmed est peut-être l’exemple le plus frappant de cette logique. La startup, fondée en 2018, a construit Rayvolve — un logiciel de détection et de localisation des fractures osseuses sur radiographies. L’idée n’était pas révolutionnaire en soi. Ce qui l’était, c’est la façon dont l’équipe a abordé le déploiement : une API légère compatible avec les systèmes PACS déjà en place dans les hôpitaux, un parcours de certification CE traité dès le premier jour comme une contrainte non-négociable et non comme un obstacle à contourner, et une expansion incrémentale établissement par établissement, en construisant la preuve par l’usage réel. En 2025, Rayvolve est déployé dans plus de 2 500 établissements de santé en Europe. C’est un chiffre qui mérite qu’on s’y arrête.
Le problème que ces outils cherchent à résoudre est documenté et concret. Selon les données de la Société Française de Radiologie, 40% des admissions aux urgences donnent lieu à une radiographie, et seulement 18% de ces clichés sont interprétés en temps réel par un radiologue. Le reste fait l’objet d’une lecture différée — souvent le lendemain, parfois plus tard. Dans un service d’urgences où le temps compte, ce délai a des conséquences réelles. L’IA ne remplace pas le radiologue. Elle trie, alerte, priorise. Elle dit : celui-là, regardez-le maintenant. C’est une fonction beaucoup plus simple que l’imagination populaire de l’IA médicale — et c’est précisément pourquoi elle marche.
Raidium, fondée en 2022 par le Dr Paul Hérent et Pierre Manceron, a décidé de viser plus loin. Là où AZmed ou Gleamer se concentrent sur des pathologies spécifiques — fractures, anomalies osseuses — Raidium a construit une IA capable d’analyser l’intégralité du corps humain à partir des images médicales et de produire des biomarqueurs avancés. L’ambition, formulée sans fausse modestie par Paul Hérent, est de créer « un GPT de la radiologie ». La levée de 16 millions d’euros bouclée en décembre 2024 suggère que les investisseurs prennent la comparaison au sérieux. Ce qui est moins clair, c’est si l’hôpital moyen est prêt à adopter un outil aussi généraliste aussi vite qu’il a adopté un détecteur de fractures.
Ce qui permet à toutes ces startups de se déployer rapidement, c’est une combinaison de facteurs que leurs fondateurs ont mis du temps à articuler clairement mais qui apparaît en filigrane dans chaque conversation avec eux. D’abord, le choix délibéré de rester dans des cas d’usage étroits et à haute certitude — là où l’IA peut être évaluée sur des métriques claires, certifiée plus vite, et défendue face à un médecin sceptique avec des données qui tiennent la comparaison. Ensuite, le refus de demander aux hôpitaux de changer leur infrastructure. Enfin, la patience à l’égard du cycle d’adoption hospitalier, qui est long, lent, et implique souvent de convaincre simultanément le chef de service, le DSI, la direction des soins et les praticiens eux-mêmes.
