L’IA santé ne se contente plus de résumer des dossiers ou de rédiger des comptes rendus. En octobre 2026, Ro a présenté Robin, un agent capable d’exploiter des prescriptions, des retours de patients, des informations médicales et des données issues du smartphone pour formuler des recommandations liées aux traitements. Dans le même temps, Eli Lilly avance avec retatrutide, un médicament expérimental dont les résultats de phase 3 renforcent la pression sur les médecins chargés du suivi du poids et du diabète.
Ces deux annonces illustrent une même évolution : le médecin ne disparaît pas, mais son rôle se déplace. L’IA collecte, compare et suggère ; le professionnel de santé doit interpréter, arbitrer, expliquer et assumer la décision clinique. Cette transformation reste encadrée par les exigences de preuve, la confidentialité des données et la responsabilité médicale.
Robin de Ro transforme le suivi en boucle continue
L’agent Robin de Ro vise les tâches qui se situent entre deux consultations : suivre les effets indésirables, analyser les retours du patient, organiser les repas ou proposer une modification de traitement. L’outil utilise des informations provenant des médecins, des prescriptions, des commentaires des patients et des smartphones pour personnaliser ses recommandations.
Cette approche rompt avec le modèle d’une consultation fondée sur un instantané. Au lieu de disposer uniquement des mesures recueillies lors d’un rendez-vous, le système peut exploiter une suite de signaux liés aux habitudes, aux symptômes et à l’utilisation des médicaments. Le médecin reçoit ainsi une information plus proche de la vie quotidienne du patient.
Ro présente toutefois Robin comme un agent de recommandation. La formulation d’un ajustement de dose ou d’un calendrier de prise ne signifie pas que l’outil dispose seul du pouvoir de prescrire. La décision demeure liée au cadre clinique dans lequel le professionnel valide, modifie ou écarte la proposition.
À retenir : Robin automatise une partie du suivi, mais la suggestion d’un changement de traitement ne remplace pas l’évaluation médicale.
Ce que l’agent peut changer pour les médecins
Le premier changement concerne le temps consacré aux tâches répétitives. Un agent capable de trier les retours patients et de faire remonter les situations nécessitant une intervention peut réduire la part administrative du suivi.
Le deuxième concerne la fréquence des ajustements. Pour certains traitements, les effets secondaires ou les difficultés d’observance évoluent rapidement. Une surveillance plus régulière peut aider le médecin à intervenir avant que le patient abandonne son traitement ou aggrave un problème.
Le troisième concerne la standardisation. Un agent applique la même logique de collecte à chaque patient, ce qui peut limiter certains oublis. Cette régularité ne garantit toutefois pas la pertinence de chaque recommandation, car les données peuvent être incomplètes ou mal interprétées.
Retatrutide élargit le rôle du médecin dans la perte de poids
Retatrutide ajoute une autre dimension à cette transformation. Eli Lilly teste ce traitement expérimental dans des essais de phase 3. Dans une étude menée auprès de 2 339 adultes obèses sans diabète, les participants ont reçu 4, 9 ou 12 mg de retatrutide, ou un placebo, pendant 18 mois.
Les résultats rapportés indiquent une réduction moyenne du poids corporel de 17,6 % avec 4 mg, de 23,7 % avec 9 mg et de 25 % avec 12 mg. Le groupe placebo a enregistré une baisse moyenne de 3,9 % sur la même période.
Dans un autre essai de phase 3 consacré à des adultes atteints de diabète de type 2, retatrutide a été comparé à une dose de 2 mg d’Ozempic. Après 80 semaines, la baisse moyenne de l’hémoglobine glyquée a atteint 2,2 % avec les doses de 9 et 12 mg de retatrutide, contre 1,8 % avec Ozempic.
La perte de poids moyenne s’est élevée à 44,3 livres, soit environ 19,5 %, avec 9 mg de retatrutide et à 47,4 livres, soit environ 20,9 %, avec 12 mg. Le groupe Ozempic a perdu en moyenne 20,9 livres, soit 9,4 %.
| Essai ou comparaison | Traitement | Résultat rapporté |
|---|---|---|
| Étude de 18 mois chez des adultes obèses sans diabète | Retatrutide 4 mg | Réduction moyenne du poids de 17,6 % |
| Étude de 18 mois chez des adultes obèses sans diabète | Retatrutide 9 mg | Réduction moyenne du poids de 23,7 % |
| Étude de 18 mois chez des adultes obèses sans diabète | Retatrutide 12 mg | Réduction moyenne du poids de 25 % |
| Essai de 80 semaines chez des adultes atteints de diabète de type 2 | Retatrutide 9 mg | Perte moyenne de 19,5 % et baisse de l’hémoglobine glyquée de 2,2 % |
| Essai de 80 semaines chez des adultes atteints de diabète de type 2 | Retatrutide 12 mg | Perte moyenne de 20,9 % et baisse de l’hémoglobine glyquée de 2,2 % |
| Essai de 80 semaines chez des adultes atteints de diabète de type 2 | Ozempic 2 mg | Perte moyenne de 9,4 % et baisse de l’hémoglobine glyquée de 1,8 % |
Ces chiffres ne réduisent pas le médecin à un rôle de distributeur de médicaments. Ils rendent au contraire le suivi plus complexe. Une perte de poids importante peut modifier les besoins thérapeutiques, les paramètres métaboliques et la tolérance au traitement. Le professionnel doit relier les résultats de l’essai à la situation réelle de chaque patient.
Le médicament ne suffit pas à définir la prise en charge
Les résultats de retatrutide peuvent renforcer l’intérêt d’un accompagnement médical structuré. Le médecin doit évaluer l’éligibilité du patient, surveiller les effets indésirables, ajuster les autres traitements et déterminer la conduite à tenir en cas d’interruption.
L’arrivée d’agents comme Robin peut soutenir cette surveillance en recueillant plus régulièrement des informations. Elle peut aussi accroître le volume de signaux à examiner. L’enjeu n’est donc pas seulement de produire davantage de données, mais de distinguer rapidement ce qui exige une intervention clinique.
Le marché gris ajoute une difficulté supplémentaire. Lorsqu’un traitement très attendu circule en dehors du circuit médical normal, le médecin doit pouvoir identifier les produits utilisés, les dosages déclarés et les risques associés. Cette situation renforce la nécessité d’un échange transparent avec le patient.
Le médecin devient l’arbitre entre recommandations et contexte clinique
L’IA est efficace lorsqu’elle traite de grands volumes d’informations répétitives. Elle est moins adaptée à la responsabilité globale d’une décision médicale, qui combine symptômes, antécédents, préférences, risques, incertitudes et contraintes sociales.
Dans ce modèle, le rôle du médecin se concentre sur quatre fonctions :
- Interpréter les données et vérifier leur qualité.
- Arbitrer entre plusieurs options thérapeutiques.
- Expliquer les bénéfices, les risques et les incertitudes.
- Assumer la décision et son suivi dans le temps.
Cette répartition change la valeur de l’expertise. La connaissance médicale reste indispensable, mais elle ne se limite plus à mémoriser des recommandations. Le professionnel doit aussi comprendre les limites du système, repérer les incohérences et savoir quand refuser une suggestion automatisée.
L’American Medical Association a demandé que l’évaluation des outils d’IA générative en médecine repose sur leurs performances en situation réelle, leur surveillance après déploiement et la participation des médecins à la définition des standards cliniques. L’organisation souligne également que l’expertise médicale ne doit pas servir de simple filet de sécurité à un dispositif insuffisamment évalué.
À retenir : l’IA peut proposer une action, mais la compétence médicale consiste de plus en plus à juger si cette action est pertinente pour la personne concernée.
Une consultation plus courte, mais pas nécessairement moins exigeante
Un agent peut préparer un dossier, identifier une évolution ou signaler un effet indésirable avant le rendez-vous. Le médecin peut alors consacrer davantage de temps à l’explication et à la décision.
Mais cette efficacité crée une nouvelle obligation : vérifier ce que le système a retenu et ce qu’il a ignoré. Une recommandation apparemment cohérente peut reposer sur un symptôme mal renseigné, une donnée ancienne ou une information absente du dossier.
La consultation risque donc de gagner en rapidité tout en exigeant davantage de vigilance. Le professionnel ne relit plus seulement des notes ; il contrôle une chaîne de traitement automatisée qui peut influencer la décision.
La confidentialité devient une condition de la médecine assistée par IA
Robin s’appuie sur des données provenant de plusieurs environnements : prescriptions, retours patients, informations médicales et smartphones. Cette combinaison peut améliorer la personnalisation, mais elle augmente aussi la sensibilité du système.
Plus une décision dépend de données personnelles nombreuses, plus la gouvernance doit préciser les conditions d’accès, de conservation et de partage. Les informations de santé ne sont pas interchangeables avec de simples données de consommation : elles peuvent révéler des pathologies, des habitudes, des traitements et des vulnérabilités.
La question de la confidentialité ne concerne donc pas uniquement le stockage. Elle porte aussi sur la circulation des données entre le patient, le médecin, la plateforme et les modèles d’IA. Le patient doit pouvoir comprendre quelles informations alimentent la recommandation et dans quel but.
Le risque d’une personnalisation opaque
La personnalisation donne une apparence de précision à la recommandation. Pourtant, un système peut produire une suggestion différente pour deux personnes présentant des profils proches, sans rendre son raisonnement suffisamment lisible.
Cette opacité complique le travail du médecin. Pour valider une modification de dose, il doit savoir quelles données ont été utilisées, quelles règles ont été appliquées et quelles limites ont été identifiées.
Un agent clinique utile doit donc fournir plus qu’une réponse. Il doit permettre de retracer les éléments pertinents, de distinguer les faits des inférences et de signaler les situations dans lesquelles son niveau de confiance est insuffisant.
Les géants de la santé et les plateformes technologiques se rapprochent
Ro occupe une position particulière : l’entreprise combine une plateforme de soins à distance, des professionnels de santé et un agent logiciel capable d’accompagner le traitement. Eli Lilly, de son côté, développe des médicaments qui peuvent modifier les pratiques de suivi du diabète et de la perte de poids.
Ces trajectoires montrent que la compétition ne se joue pas uniquement sur le modèle d’IA ou sur la molécule. Elle porte aussi sur la capacité à organiser l’ensemble du parcours : acquisition des données, accès au traitement, accompagnement, mesure des résultats et adaptation.
| Acteur | Innovation mise en avant | Effet potentiel sur le rôle médical |
|---|---|---|
| Ro | Agent Robin fondé sur des données de prescriptions, de patients et de smartphones | Suivi plus continu et recommandations sur les traitements ou les habitudes |
| Eli Lilly | Retatrutide testé en phase 3 | Suivi renforcé du poids, du diabète et de la tolérance aux traitements |
| Professionnels de santé | Validation et contextualisation des décisions | Arbitrage clinique, information du patient et responsabilité du suivi |
| Autorités et organisations médicales | Évaluation en conditions réelles et surveillance après déploiement | Encadrement de la sécurité et de la performance des outils |
Cette intégration peut améliorer la continuité des soins, mais elle peut aussi concentrer davantage de fonctions entre les mains de quelques entreprises. Celui qui contrôle l’outil de suivi peut influencer la manière dont les patients interprètent leurs symptômes et dont les professionnels priorisent les interventions.
Le médecin doit donc conserver une capacité d’accès indépendante aux données et aux critères de décision. Sans cette autonomie, la technologie risque de devenir une boîte noire installée au centre du parcours de soins.
Les six prochains mois seront décisifs pour la preuve clinique
La prochaine étape ne sera pas de démontrer que l’IA peut formuler une recommandation. Il faudra établir qu’elle améliore réellement la qualité des soins sans accroître les erreurs, les inégalités ou la charge de vérification.
Trois indicateurs seront particulièrement déterminants :
- La fréquence des recommandations pertinentes et correctement validées.
- Le nombre d’erreurs détectées avant leur impact sur le patient.
- Le temps réellement économisé par les médecins après contrôle des suggestions.
L’évaluation devra également suivre les performances après le lancement. Un système peut évoluer avec ses données, ses utilisateurs ou ses intégrations. Une validation initiale ne suffit donc pas à garantir une fiabilité durable dans tous les contextes.
Les médecins devront participer à cette surveillance, mais leur présence ne peut pas compenser l’absence de preuves. L’AMA demande précisément que les exigences de sécurité et de performance soient définies avant que les professionnels ne deviennent le dernier rempart contre les défaillances d’un outil.
Notre avis : l’IA ne remplace pas le médecin, elle déplace son centre de gravité
Ro montre déjà la direction prise par le suivi médical : des agents observent les évolutions entre les consultations et proposent des ajustements. Retatrutide montre, de son côté, pourquoi cette surveillance devient plus importante : lorsque les traitements produisent des effets métaboliques marqués, le suivi doit être fréquent, contextualisé et réactif.
Le médecin qui se contentera d’exécuter des tâches administratives sera progressivement concurrencé par les agents. Celui qui sait interpréter des données imparfaites, expliquer une décision et gérer l’incertitude restera central. L’IA déplace donc la valeur du métier, de la collecte d’informations vers le jugement clinique et la relation de confiance.
Dans six mois, la question la plus importante ne sera pas de savoir si les agents peuvent proposer des modifications de traitement. Elle sera de déterminer quelles décisions ils peuvent soutenir de manière démontrée, dans quelles limites, et avec quel niveau de contrôle médical. C’est sur cette frontière entre automatisation et responsabilité que se jouera le prochain chapitre de l’IA santé.