La stabilité du DPI face à la vitesse de l’IA: Pourquoi les hôpitaux suisses n’ont pas intérêt à attendre pour l’IA de productivité
- 1 avr.
- 8 min de lecture
Une aide à la décision pour les CEO et CFO des hôpitaux suisses
La vraie question autour de l’IA à l’hôpital n’est plus de savoir si elle va s’imposer, mais où elle sera mise à disposition en premier : dans le cycle de release du dossier patient informatisé (DPI) — ou dans une couche de productivité IA spécialisée, déjà intégrable en parallèle aujourd’hui ?
Pour une direction hospitalière, il ne s’agit pas d’abord d’un sujet technologique, mais d’un arbitrage économique. Attendre que le système central apporte lui-même cette réponse, c’est reporter non seulement l’innovation, mais aussi de la capacité, de la fluidité opérationnelle et des bénéfices économiques mesurables.
Pression économique et surcharge administrative : il n’y a plus de temps à perdre
L’étude hospitalière PwC 2025 montre que les marges des hôpitaux de soins aigus se sont légèrement redressées, tout en restant en dessous du niveau nécessaire à long terme.[1] Dans le même temps, le système de santé suisse a représenté près de 94 milliards de francs en 2023.[2]
En parallèle, la charge administrative demeure un problème structurel. L’OFSP rappelle qu’elle est critiquée depuis des années dans le système de santé et que des mesures ciblées d’allègement doivent être mises en place.[3] La FMH en donne une mesure très concrète : dans les soins aigus, les médecins hospitaliers consacrent en moyenne 114 minutes par jour à la documentation.[4]
Dès lors, parler d’IA de productivité n’a rien d’un luxe ou d’un gadget. C’est décider si des professionnels hautement qualifiés consacrent leur temps à des tâches administratives — ou à une activité à forte valeur ajoutée au service du patient.
La Suisse : un système de soins solide, mais exigeant à coordonner
La Suisse dispose d’un réseau de soins dense et performant. C’est une force — mais aussi, par nature, un défi de coordination. Une part importante des frictions administratives ne provient pas d’un processus isolé, mais des interfaces entre établissements, disciplines et rôles.
Info-Box Paysage suisse des soins (sélection [5–10])
Domaine | Nombre |
Hôpitaux | 275 |
Cabinets médicaux et centres ambulatoires | 17’631 (2022) |
Prestataires de soins à domicile | 2’971 (2023) |
EMS et établissements médico-sociaux | 1’474 |
Pharmacies | 1’830 |
Cabinets de psychothérapie psychologique | 4’788 (2023) |
Physiothérapeutes | ca. 18’000 (2020) |
Assureurs AOS | 37 (+5 assureurs d’indemnités journalières) |
Une étude suisse menée auprès de médecins de premier recours en Suisse centrale montre que 88 % attendent le rapport de sortie dans les 48 heures — mais qu’en pratique, seuls environ 30 % déclarent effectivement le recevoir dans ce délai.[11] Conséquence : demandes de précisions, surcroît de travail, doublons et incertitudes dans le suivi.
Le DPI assure la stabilité de l’exploitation — une IA spécialisée accélère la progression
Les systèmes d’information clinique sont des généralistes. En tant que system of record, ils couvrent l’administration des patients, la saisie des prestations, les soins, le laboratoire, la facturation et des dizaines d’autres processus. Cette couverture large fait leur force — mais elle constitue aussi leur limite structurelle lorsqu’il s’agit d’innover vite.
Le DPI est un coureur de fond fiable : endurant, stable, éprouvé. Mais pour sprinter vers une productivité augmentée par l’IA, il faut un spécialiste : focalisé sur l’allègement administratif, optimisé pour la vitesse d’exécution et l’itération.
Les fournisseurs de DPI doivent en même temps gérer les contraintes réglementaires, le legacy code, l’interopérabilité et les exigences de centaines de clients. Il en résulte des cycles de release semestriels, voire annuels. Une solution d’IA spécialisée, elle, peut évoluer tous les mois — et traduire beaucoup plus rapidement dans la pratique clinique les progrès des modèles d’IA et de leur orchestration.
Les preuves sont là : les bénéfices de l’IA sont déjà mesurables
Preuve clinique : étude de simulation à l’USZ
Une étude de simulation publiée dans le Journal of Clinical Anesthesia par des anesthésistes de l’Hôpital universitaire de Zurich a analysé l’utilisation de l’assistant IA Isaac lors de consultations préopératoires (Rahrisch A et al., 2026).[12] Les résultats sont les suivants :
18 % de réduction de la durée totale de consultation — grâce à une documentation plus rapide, et non à des échanges plus courts
78 % de temps d’écran en moins — les médecins regardaient davantage les patients que les écrans
87 % de frappes clavier en moins
21 % d’amélioration de l’interaction médecin-patient (autoévaluation)
16 % de réduction de la charge mentale
60 % des médecins ont préféré l’assistance IA à l’aide d’un secrétariat
(Sélection ; plus de détails dans notre article de blog)
Données issues des PoC et de l’usage en production [13]
Capacité & productivité | 51 à 74 % de gain de temps par rapport 1 à 2 heures gagnées par jour de travail 5 à 10 heures de capacité gagnées par semaine et par professionnel |
Attractivité et rétention des professionnels | 75 à 88 % des utilisateurs constatent une baisse du stress |
Finances & OPEX | Bénéfices mesurables en CHF liés au gain de temps et à la capacité supplémentaire Réduction des heures supplémentaires et des coûts de frappe |
Digitalisation & processus | NPS durablement supérieur à 8.5 Taux d’utilisation et de rétention élevés Préférence nette pour le travail assisté par IA par rapport aux méthodes conventionnelles |
Qu’est-ce que cela représente financièrement ?
Prenons l’exemple d’un hôpital comptant 60 médecins assistants et chefs de clinique, avec un gain moyen de 7 heures par semaine et par médecin :
60 médecins × 7 heures/semaine × 46 semaines = 19’320 heures par an
Cela correspond à environ 9,2 équivalents plein temps, sur la base de 2’100 heures annuelles.
Cette capacité peut être réaffectée à davantage de temps patient, à la réduction des heures supplémentaires, à la recherche et à l’enseignement, ou encore à des projets stratégiques.
Nous établissons volontiers des calculs de ROI concrets à partir des indicateurs propres à votre établissement.
Les questions critiques que vous avez raison de poser
«Ajouter un outil à côté du DPI, n’est-ce pas précisément le type de fragmentation que nous voulons éviter ? »
C’est une préoccupation légitime. La différence, c’est qu’Isaac n’a pas vocation à rester durablement à côté du DPI comme une solution isolée : il agit comme un pont. La solution apporte dès aujourd’hui une valeur autonome, puis s’intègre progressivement aux systèmes DPI. L’objectif n’est pas une coexistence permanente, mais une convergence. Pour les médecins, la rupture reste minimale : Isaac fonctionne sur smartphone et sur ordinateur, et les résultats peuvent être repris directement dans le DPI.
« Comment vous assurez-vous que l’outil soit réellement utilisé ? »
L’adoption est le facteur clé de succès — et aussi l’une des principales raisons d’échec des projets de digitalisation. Les données sont parlantes : NPS supérieur à 8.5, forte rétention, et dans l’étude de l’USZ, 60 % des médecins ont préféré l’assistance IA à l’aide du secrétariat. Isaac répond à un problème très concret, ressenti tous les jours par les médecins. Saipient accompagne donc le déploiement avec un onboarding structuré sur site, un accompagnement actif dans le quotidien et une mesure transparente de l’usage.
« Que se passe-t-il si l’IA se trompe ? Qui porte la responsabilité ? »
La documentation générée par l’IA est une proposition de brouillon, pas un produit final. Chaque rapport est relu et validé par le médecin avant d’être intégré au DPI. La responsabilité clinique reste en permanence entre les mains du professionnel de santé en charge du patient. Isaac assiste — il ne décide pas.
« Qu’en est-il de la protection des données ? »
Saipient est une solution suisse. Les données patients sont exclusivement traitées et stockées en Suisse. La solution est conforme à la loi fédérale révisée sur la protection des données (nLPD). Les données patients ne sont pas utilisées pour entraîner les modèles d’IA et sont supprimées après 96 heures. Une solution de cloud souverain est également disponible, en partenariat avec Phoeniqs Technologies.Pour une présentation plus détaillée, nous renvoyons à notre article de blog consacré à la souveraineté numérique dans le système de santé.
Ce qui compte vraiment pour le C-Level
Dans les échanges avec les directions hospitalières, plusieurs attentes reviennent de manière récurrente :
la protection des données — non négociable, en particulier pour les données de santé suisses
l’intégration au DPI — non comme prérequis absolu, mais comme trajectoire claire d’évolution
l’optimisation des processus — ancrée dans la réalité du travail, et non dans la technologie pour la technologie
une logique de plateforme — pas un outil isolé de plus, mais une solution avec perspective de convergence
Les KPI mesurables qui intéressent le C-Level :
durée de séjour ajustée au CMI
intensité des coûts de matériel
intensité des coûts de personnel
intégration dans les processus de travail existants
facilité d’usage et niveau d’acceptation
Ces exigences sont légitimes. Et elles ne plaident pas contre un démarrage immédiat. Elles plaident pour un partenaire capable de mesurer ces KPI avec transparence, de garantir un niveau de protection des données conforme aux standards suisses et d’apporter une roadmap d’intégration claire.
Recommandation : démarrer maintenant, intégrer en parallèle
Pour les CEO et CFO des hôpitaux suisses, la logique de décision peut se résumer en trois points :
1. L’avantage concurrentiel ne dépend plus du « si », mais du « à quelle vitesse ». La pression administrative augmente, la pénurie de personnel s’aggrave et la charge documentaire continue de croître. Chaque mois sans soutien par l’IA est un mois de capacité perdue.
2. Les projets pilotes constituent le point d’entrée le plus sûr. Des résultats mesurables en quelques semaines, pas en quelques années. Sans installation informatique complexe, sans dépendance au DPI et sans investissement de plusieurs millions.
3. La roadmap du DPI n’est pas une raison d’attendre — c’est une raison de démarrer en parallèle dès maintenant. AI-first aujourd’hui, intégration demain, convergence à moyen terme. Ce n’est pas une contradiction avec la stratégie DPI, c’est une manière de l’accélérer.
Conclusion
Le DPI reste la colonne vertébrale de l’hôpital — le coureur de fond fiable qui soutient l’exploitation clinique au quotidien. Mais pour accélérer vers une productivité renforcée par l’IA, il faut un spécialiste capable de produire des résultats dès aujourd’hui.
Les preuves sont là : moins de temps consacré à la documentation, moins de dépendance à l’écran, moins de stress, davantage de capacité et une meilleure interaction médecin-patient. Les préoccupations légitimes peuvent être traitées : protection des données au standard suisse, trajectoire d’intégration claire, amélioration continue de la qualité et adoption mesurable.
La question que le C-Level doit se poser n’est donc pas : «La technologie est-elle prête?» Elle l’est.La vraie question est : « Sommes-nous prêts à en capter les bénéfices maintenant ?»
Saipient accompagne les hôpitaux suisses dans l’évaluation et le déploiement de solutions d’IA de productivité — indépendamment du DPI en place.
Sources et références
[1] PwC Schweiz. Spitalstudie 2025: Schweizer Spitäler – So gesund waren die Finanzen 2024. 2025.
[2] Bundesamt für Statistik (BFS). Kosten und Finanzierung des Gesundheitswesens im Jahr 2023. 2025.
[3] Bundesamt für Gesundheit (BAG). Administrativer Aufwand im Gesundheitswesen. 2025; Kurzbericht administrativer Aufwand im Gesundheitswesen, 2024.
[4] FMH / Schweizerische Ärztezeitung. Administrative Entlastung erforderlich. 2024; FMH-Befragung zur Arbeitsrealität in der Akutsomatik.
[5] Gesundheit Taschenstatistik 2025, BfS
[11] Tomaschek R, et al. A survey among primary care practitioners in central Switzerland on hospital discharge communication. Swiss Medical Weekly. 2025.
[12] Rahrisch A, Braun J, Ganter MT, Roche TR, Spahn DR, Tscholl DW, Kaserer A. Generative AI in preanesthetic consultations. Journal of Clinical Anesthesia. 2026.
[13] Saipient. Interne PoC-Daten und ROI-Auswertung zu Isaac; USZ-/Saipient-Auswertung, on file.
