Une fonctionnalité d’intelligence artificielle peut répondre à un besoin précis. Mais isolée des données, des règles de contrôle et des workflows de l’établissement, elle risque de compliquer ce qu’elle devait simplifier. Pour les éditeurs de logiciels santé, l’enjeu est de créer une capacité intégrée, gouvernable et évolutive.
Un assistant capable de proposer une action, de préparer une synthèse ou d’automatiser une tâche peut apporter une réponse immédiate à un problème métier. Reste une question moins visible lors des premiers essais : comment cette capacité fonctionnera-t-elle dans le système d’information du client, avec ses référentiels, ses droits d’accès et ses processus de validation ?
Une étude IDC publiée en septembre 2026 porte sur l’adoption de l’ IA agentique par des établissements et services de santé. Elle n’évalue pas les logiciels de leurs fournisseurs. Mais ses résultats invitent les éditeurs à se poser une question : une nouvelle capacité d’IA agentique s’intègre-t-elle aux données et aux règles du client, ou crée-t-elle un environnement supplémentaire à administrer ?
Réussir des initiatives ne suffit pas à construire une stratégie commune
Dans le sous-échantillon santé de l’enquête IDC, 41,8 % des répondants indiquent que 80 à 99 % de leurs initiatives d’IA agentique ont atteint leurs objectifs. Ce chiffre décrit les réponses des organisations interrogées, pas le taux de réussite de l’ensemble du secteur.
Dans le même temps, 33,4 % des répondants indiquent disposer d’une stratégie d’IA agentique propre à une fonction. D’autres déclarent une stratégie à l’échelle de l’entreprise : 34,5 % en ont une en place et 24,1 % une version ayant déjà fait l’objet d’une révision majeure. Ces niveaux d’organisation ne prouvent aucun lien causal entre type de stratégie et réussite des projets.
Ce contraste soulève une question pour les éditeurs : une fonctionnalité IA conçue pour répondre à un usage précis pourra-t-elle s’adapter à une gouvernance et à une feuille de route qui évoluent chez le client ? La réussite d’un projet isolé ne suffit pas à établir que cette capacité pourra être réutilisée à l’échelle de l’établissement.
Données et fiabilité : deux défis majeurs pour l’IA agentique
Toujours dans ce sous-échantillon, 49,1 % des répondants citent la qualité et la gouvernance des données parmi les difficultés de mise en œuvre de l’IA agentique. La fiabilité des résultats et des actions est mentionnée par 40,0 %. Il s’agit de difficultés déclarées, pas de mesures directes des erreurs commises par les systèmes.
Les deux difficultés sont liées. Une réponse de l’IA peut sembler pertinente tout en reposant sur des données obsolètes, sorties de leur contexte ou consultées sans les autorisations nécessaires. Lorsqu’elle intervient dans un processus métier, il faut aussi savoir quelles données elle utilise, comprendre ses résultats et identifier qui peut vérifier ou interrompre une action.
Le problème dépasse donc la seule performance du modèle. Il concerne aussi la qualité des informations accessibles, les règles qui encadrent leur usage et les moyens de contrôler ce que le logiciel produit ou déclenche.
Pour l’éditeur, le risque est de déplacer le silo plutôt que de le supprimer
Une fonctionnalité IA peut être cohérente dans un logiciel, mais difficile à intégrer dans le système d’information du client. Si elle exige son propre référentiel, ses propres droits d’accès et ses propres règles de supervision, l’établissement doit gérer une couche supplémentaire. Elle risque alors de devenir un outil de plus à connecter aux autres.
Ce constat doit rester à sa juste place : IDC mesure les difficultés rencontrées par les établissements, et non la manière dont les éditeurs conçoivent leurs produits. L’implication pour les fournisseurs relève de notre analyse. Elle consiste à envisager l’intégration, la traçabilité et la gouvernance comme des propriétés de la fonctionnalité, et non comme des adaptations à traiter après son déploiement.
Une question simple permet d’éprouver cette approche : le résultat produit par l’IA rejoint-il réellement le processus métier, ou reste-t-il enfermé dans une interface parallèle ?
Concevoir une IA agentique intégrable, contrôlable et évolutive
Selon IDC, 35,4 % des répondants du sous-échantillon santé s’appuient sur un centre d’excellence dédié à l’IA agentique, 31,5 % sur la gouvernance informatique transversale et 28,0 % sur un comité spécifique. Aucun de ces modes n’est présenté comme universellement supérieur.
Pour les équipes produit et architecture, la conséquence pratique est de concevoir une capacité qui puisse s’inscrire dans plusieurs cadres de contrôle. Les données utilisées sont-elles identifiables et leurs droits d’accès respectés ? Les actions sont-elles traçables et supervisables ? Les règles peuvent-elles évoluer sans multiplier les développements spécifiques ? Ces questions sont notre grille de conception, non des prescriptions d’IDC aux éditeurs.
À mesure que les cas d’usage se multiplient, la valeur ne dépend plus seulement des tâches que chaque agent sait accomplir. Elle tient aussi à la possibilité de gérer ces capacités ensemble, sans accumuler des exceptions difficiles à maintenir.
Ajouter de l’IA sans ajouter de fragmentation
Pour un éditeur de logiciels santé, une fonctionnalité IA réussie ne se résume pas à la qualité de ses réponses. Elle doit aussi pouvoir fonctionner avec les données, les processus et les mécanismes de contrôle de ses clients. À défaut, chaque nouveau cas d’usage risque d’ajouter sa propre complexité. Concevoir l’intégration et la gouvernance dès le départ, c’est faire de l’IA une capacité durable plutôt qu’un silo supplémentaire.
À lire aussi : Éditeurs santé : la donnée, l’IA et les workflows redéfinissent la valeur de vos produits
Source des données citées : IDC, The Agentic AI Maturity Gap in Healthcare Provider Organizations, septembre 2026. Enquête internationale menée en mai 2026, comprenant un sous-échantillon d’environ 134 répondants du secteur des établissements et services de santé.
