Agent IA en HTA description
Mai 2026 – Pour une médecine de précision en HTA avec l’IA agentic, le Pr Girerd a mis au point des analyses avec l’IA de véritables dossiers cliniques anonymisées en mode iel comportant des interprétation d’examens complémentaires comme des automesures suiviHTA, des MAPA, des surveillances de tension de sommeil avec HILO ou Omron NightView. Le Prompting strict permet l’application d’un code Python génèrant un calcul exact sans hallucination puis l’émission d’un rapport pdf qui est ensuite commenté par l’IA en mode RAG avec des contenus d’entrainement tous interprétés par le Pr Girerd lui même.
Pour empêcher l’IA d’halluciner et permettre de l’utiliser pour former les professionnels de santé à la pratique d’une médecine de précision en HTA, le Pr Xavier Girerd a mis en place du « Prompt Engineering » (Ingénierie de requête) avancé, avec des « Guardrails » (garde-fous) et du « Negative Prompting » (prompt négatif). Il avait avec François Bossière (Polynom) mis au point en 2024 le chatbot Réponses Hypertension en utilisant un RAG (Retrieval-Augmented Generation ou Génération Augmentée par la Recherche). Cette technologie permet aussi de limiter les hallucinations de l’IA.
La méthode (Prompting strict / Garde-fous) utilise l’IA telle qu’elle est (avec toute sa mémoire interne, y compris le « bruit marketing »), mais on lui met un entonnoir cognitif très strict. On lui donne des ordres directs : « Agis comme X », « Tu as l’interdiction de parler de Y », « Concentre-toi uniquement sur Z ». Le système RAG (Retrieval-Augmented Generation) pour le chatbot Réponses Hypertension a connecté l’IA à la base privée des contenus du site frhta.org contenant uniquement les publications rédigées par le Pr Xavier Girerd et les experts medecins sollicités par la Fondation Hypertension ainsi que les analyses et commentaires faits par le Think Tank Hypertension France dont les articles sont publiés dans la revue médicale avec comité de lecture SYSTOLIK. Lorsqu’une question est posée à l’IA, elle ne cherche pas la réponse dans sa mémoire globale : elle va d’abord lire les documents du site frhta.org, et elle construit sa réponse exclusivement à partir de ces textes certifiés. Si elle ne trouve pas la reponse un message specifique indique de reposer une question.
En résumé : aujourd’hui nous avons mis au point toutes les méthodes connues en 2026 pour imposer une « camisole » intellectuelle à l’IA afin de permettre son usage fiable en médecine de précision et permettre la formation fiable des professionnels de santé à l’hypertension diastolique.
L’interprétation d’une automesure suivihta, le calcul du dipping pendant le sommeil avec l’analyse en IA des compte-rendus Hilo ou Omron NightView avec l’ajout du RAG consiste à lui faire lire une bibliothèque médicale sur l’hypertension diastolique validée par l’expert de l’hypertension le Pr Xavier Girerd avant de donner la parole a l’IA médicale purgeée de ses intolérables hallucinations.
23 avril 2026 – Selon le professeur Xavier Girerd – président du Think Tank Hypertension France et pionnier de l’IA en HTA-une IA agentique est un outil numérique qui a la capacité non seulement de transformer des données en connaissance grâce à l’IA générative avec les LLM qui permet une avancée incroyable de l’usage de l’IA puisque la machine nous comprend et nous donne l’impression d’avoir une intelligence. En fait, c’est statistique mais elle n’est pas très intelligente la machine mais en tout cas elle donne bien l’illusion de raisonner. Alors en fait l’IA générative n’a aucune capacité de raisonnement. Elle ingurgite des connaissances et elle les régurgite avec des règles de probabilité. Mais en fait ce qui pourrait donner un peu d’intelligence à cette machine « stupide » qu’est l’IA générative et bien ce sont ces agents IA ou agentic AI en anglais qu’on traduira en IA agentique. Alors c’est donc des outils numériques qui sont capables de convertir ces connaissances en action. Alors ça, ça devient intéressant parce que ça peut ressembler un peu au métier médical parce que finalement le métier médical c’est exactement ça. C’est avoir beaucoup de connaissances, ou très peu de connaissances, mais avoir des connaissances, faire croire qu’on en a, et mettre ses connaissances en action. Tous les métiers font la même chose mais c’est particulièrement évident en médecine. Alors cette IA agentique, on pourrait se dire mais c’est pour quoi faire ? Alors cette IA agentique fonctionne grâce à des agents IA autonomes qui sont conçus pour accomplir des tâches en interprétant un contexte. C’est en fait ça de l’IA générative qui interprète les contextes, est capable de comprendre les instructions, les fameux prompts qu’on va écrire ou dicter. Et bien en fait toutes ces instructions, au-delà de la compréhension, c’est en fait elles vont permettre de prendre des décisions et des décisions qui peuvent conduire à l’exécution d’actions qui paraissent complètement adaptées à des objectifs prédéfinis par le prompt. Donc là vraiment ça prend l’illusion de l’intelligence. Alors ce qui est la réalité, c’est que ça comble un vide entre la programmation statique et l’adaptabilité dynamique. Vous voyez, on donne du mouvement aux connaissances et cette IA agentique, elle permet donc de réaliser des flux de travail qui peuvent apparaître et qui le sont d’ailleurs, très complexes avec une rapidité qui dépend de l’accès aux ressources technologiques de mémoire et du hardware. Et donc pour que l’ IA agentique fonctionne, il faut avoir accès à des outils qui sont des outils qui vont bien évidemment complètement au-delà d’un bricolage local. Et en fait, il n’y a que quelques industriels qui sont capables de fournir la prestation technologique, l’accès aux outils qui va permettre non seulement de stocker les connaissances, mais en plus de pouvoir avoir la rapidité de fonctionnement qui permet de faire cette IA agentique. Donc ces nouveaux outils, ils associent la conscience du contexte. C’est l’IA générative classique mais aussi des capacités de prise de décision et une adaptabilité pour gérer des tâches complexes. Vous voyez bien tout l’intérêt qu’on peut avoir à s’intéresser et à mettre au point des IA agentiques qui aient comme objet d’aider à faire des diagnostics médicaux ou d’aider à prendre des décisions médicales, des décisions thérapeutiques ou des décisions de prise en charge, d’organiser des protocoles. Ça paraît théorique mais en fait en pratique c’est devenu aujourd’hui possible dans certains secteurs de la médecine. Moi, je ne veux pas être prétentieux. Je ne vous proposerai pas autre chose que d’essayer de vous montrer les réflexions qu’on a pu avoir au Think Tank Hypertension France qui est en fait la fusion des collègues qui réfléchissent et qui essayent d’agir en faisant une recherche pragmatique venant du Comité de lutte contre l’hypertension artérielle et de la Fondation de recherche sur l’hypertension artérielle. Alors, c’est vraiment une évolution très importante de l’IA en santé en particulier avant de se dire que ça c’est des médecins, non, ça va surtout permettre de former les professionnels de santé et on peut se dire que potentiellement si ces outils sont mis au point, on peut leur soumettre des cas qui seront résolus par la machine et pourront accompagner un apprenant, quelqu’un en formation qui n’a pas l’expertise la plus pointue sur un domaine comme par exemple la prise en charge de l’hypertension artérielle, qui est très basique mais qui peut devenir rapidement complexe. Et bien, il est possible aujourd’hui d’envisager en fait, je vous en parlerai en fin de topo, des réalisations qu’on a déjà faites sur la mise au point de ce personnage d’IA en santé qui dans la santé en fait ça a pris un vocable, c’est pas moi qui l’ai choisi, c’est les académiciens en médecine. Il y a eu un grand symposium l’année dernière autour de ce vocable du jumeau numérique. Voilà, le jumeau numérique c’est en fait un outil numérique qui utilise l’ IA agentique. Alors pour répondre à la question qui était posée sur cette diapositive, une agentique pour faire quoi ? et bien pour créer des jumeaux numériques qui sont les outils, qui est la machine qui permet d’exercer notre beau métier qui est celui de la médecine. Alors cette IA agentique, quel usage on peut en faire en pratique ? Alors quel usage on peut en faire en pratique ? C’est mon avis en tout cas et c’est un avis partagé par un certain nombre de collègues qui dans différents domaines réfléchissent autour de ça parce que faut bien voir que on peut pas être ubiquitaire. Les gens qui disent je fais tout en médecine, l’IA fait tout, je peux vous parler de tout. Oui, sûrement c’est ça des théoriciens, mais si vous vous accrochez à un domaine précis, il faut être déjà un expert de ce domaine, un expert médical de ce domaine, pas un expert en IA, les outils sont des outils qui nous échappent complètement. Donc, on fait appel à des ressources technologiques qui permettent d’entraîner des bases de connaissances, des bases d’experts mais ce n’est que de l’entraînement, on achète, on loue du temps machine. Ce que la machine va absorber comme information médicale, il n’y a que des experts qui peuvent donner cette information-là. Et donc si la base de connaissance n’est pas structurée au départ par des experts et n’est pas une base de connaissance qui est issue de l’expertise médicale, c’est pas la peine de s’exciter, l’outil que vous ferez sera sans intérêt. Je veux même dire, il sera nul. Donc voilà, ne vous dites pas vous allez faire du jumeau numérique parce que vous êtes un bon programmeur que vous savez pythonner. Pythonner ça veut dire vous le savez écrire en Python. Alors d’abord l’IA écrit en Python très bien sans qu’on ait aucune connaissance du Python. Donc même cette étape-là, le technicien a du souci à se faire. Lui, il n’a plus de métier avec l’IA. Alors cet assistant numérique, il est expert en hypertension artérielle, moi j’ai une certaine expertise en fin de carrière et c’est en permettant la formation d’autres professionnels ayant moins d’expertise que moi, j’imagine qu’il y a vraiment un usage en pratique de ces agents IA pour l’hypertension artérielle. Alors comment on fait ? L’IA agentique en hypertension artérielle, comment on fait ? Et bien voilà, j’ai créé cette petite image, il y a un support numérique, une tablette, un ordinateur, peu importe, une montre avec un écran. Et l’outil va permettre d’analyser des cas médicaux. Des cas médicaux plus ou moins standardisés ? Non, c’est des vrais cas de la vraie vie. Ce n’est pas le cas clinique pour étudiants de 3e année de médecine. C’est vraiment des cas avec des manques, avec trop d’informations, des informations qui vont perdre le clinicien. S’il y a parmi vous des médecins, vous savez bien que la première étape face à un diagnostic médical ou une décision médicale, c’est d’abord de trouver les bonnes informations dans l’interrogatoire, dans l’examen clinique. Donc ces données sont là et elles sont dans une forme qui n’est pas forcément très construite mais qui doit être déjà assez complète et la machine peut aider justement à extraire les bonnes informations, les informations pertinentes et laisser de côté les informations qui n’ont pas d’intérêt parce qu’il faut pas se laisser embrouiller. Et la machine est assez forte si on l’a entraînée à retrouver les informations importantes et puis ça tourne dans la machine et puis ça va sortir des décisions. Quel bilan, quelle stratégie et puis quel traitement proposer ? Alors tout ça pour entraîner qui ? Entraîner le le bébé médecin ou le professionnel de santé. Vous le savez il y a en tout cas en France des décisions politiques qui ont été prises pour se dire il n’y a pas que les médecins qui pourront demain dans la pathologie hypertension artérielle, quand je dis demain, c’est déjà voté. Une infirmière de pratique avancée, un infirmier de pratique avancée a aujourd’hui la possibilité de prescrire des traitements hypertenseurs. Alors, on dit que c’est pour les cas simples mais rien n’est jamais simple en médecine. Les cas qui paraissent simples peuvent être des cas en fait où il faut avoir une formation et l’IA agentique peut apporter effectivement une formation sans avoir l’accès à des formations standardisées comme celle d’assister à un cours avec l’enseignant qui est en visio parce qu’il ne peut pas être en direct avec vous. Donc comment faire ? Alors, comment faire pour construire ces agents IA en hypertension artérielle ? Et bien, il faut d’abord avoir l’accès à des bases de données de vie réelle de médecin expert de l’hypertension artérielle. Alors, on peut se dire finalement c’est les dossiers médicaux des médecins qui vont permettre de gérer ça. Ce n’est en fait pas si évident que cela. Les entrepôts de données des grandes structures hospitalières, l’entrepôt de l’assistance publique par exemple, quand vous regardez les dossiers auxquels vous avez une accréditation pour pouvoir les regarder, ces dossiers partagés, vous vous rendez compte que quand les gens ne sont pas experts du domaine, ils n’ont absolument pas rempli les données qui seront importantes pour l’expertise. Donc en réalité pour accéder à ces bases de données, il faut les avoir constituées. Donc il faut que ce soit les médecins experts dans chaque domaine de l’expertise médicale qui a eu un intérêt et puis qui ait obtenu l’accord des patients pour que les données puissent avoir un usage ultérieur numérique de leurs données de santé. Ça c’est l’European AI Act d’août 2025 qui a clairement dit qu’on ne pouvait pas a posteriori reprendre des bases de données et puis se dire le patient m’avait donné son accord. Voilà donc c’est complexe. Ça veut dire que le travail doit se faire de façon prospective, c’est pas à partir du jour où on décide de faire le projet, mais en tout cas, il faut y avoir pensé et les gens doivent avoir donné leur accord pour que les données puissent être utilisées après en plus une anonymisation. Alors pour l’hypertension artérielle, on a beaucoup réfléchi au niveau d’anonymisation pour que ça soit vraiment une anonymisation complète et pas une pseudo anonymisation comme on dit où on puisse retrouver très rapidement qu’un dossier correspond à un patient donné. Non, c’est une anonymisation. Alors, il y a un élément qu’on a discuté et trouvé, c’est qu’en fait dans l’hypertension artérielle, le genre a très peu d’importance concernant les décisions de bilan. On fait le même bilan chez un homme ou une femme ou chez quelqu’un qui n’a pas voulu déclarer son genre. Donc ces données en iel qui en plus peuvent être mises par tranche d’âge, c’est-à-dire connaître l’âge précis des gens n’a pas une importance majeure pour la décision. Il y a des tranches d’âge : moins de 40 ans, moins de 50 ans, entre 50 et 70 ans pour à peu près les mêmes décisions. Après 80 ans dans le très grand âge, 90 ans, les décisions sont souvent différentes pour l’hypertension artérielle. Mais donc c’est en fait assez facile d’anonymiser vraiment une base de données patients en vie réelle. Donc c’est pour l’hypertension, il y a cette spécificité qui a rendu déjà les choses plus simples dans l’accès et l’usage de ces bases de données cliniques. Alors après, il y a un élément qui est très important qui est l’entraînement de l’IA générative. Alors en utilisant bien évidemment ces ressources qui sont tellement complexes à activer, à mettre en œuvre qu’il y a que quelques acteurs dans le monde qui sont capables de faire ça. Surtout des des acteurs d’Amérique du Nord, c’est les gros donc chat GPT, Google avec son outil Gémini, il y a les Chinois mais bon voilà ça pose des problèmes éthiques. Alors il y a l’IA générative européenne souveraine, on va le dire, française. Est-ce qu’il y en a qui existent ? Ben vous savez oui, on a un champion la société Mistral. Et donc moi au Think Tank hypertension avec nos partenaires, on a pris une décision. Moi, j’ai beaucoup poussé à ça d’ailleurs de d’utiliser les IA génératives qui soient souveraines et d’utiliser Mistral. Alors, elle est un petit peu en retard peut-être encore par rapport aux dernières versions de Gemini ou de chat GPT, mais elle est déjà pas mal et puis il faut les aider. Si on n’utilise pas ce qui se fait en France et en Europe, on aura disparu dans 2 ans. Donc voilà, il faut cotiser à leur demande parce que vous savez tout ça est très cher, mine de rien. Bien sûr, il y a les formes gratuites mais vous vous êtes assez vite bloqué dans en particulier la mémorisation où il y a aucune mémoire, dans les formes gratuites et même les formes payantes, la mémoire et l’accès en fait aux couches de mémoire est complexe, il ne faut pas croire que tout ça est gratuit et c’est difficile l’accès aux grosses machines. Tout ça va peut-être changer mais dans l’immédiat coûte de l’argent. Ça coûte de l’argent et c’est un argent qui va ailleurs. Bon et tout ça pour faire quoi ? Et bien pour finalement créer en médecine ces fameux jumeaux numériques que moi j’appelle les jumeaux numériques experts. En tout cas experts dans un certain nombre de domaines de la cardiologie et pour la cardiologie préventive, c’est l’hypertension artérielle qui est mon sujet. Alors, j’aimerais vous montrer ici des documents qui sont des documents issus de cette société, Polynom, avec laquelle la Fondation de recherche sur l’hypertension, le Comité de lutte ont contracté et donc je vous montre des documents qui sont des documents récents d’ailleurs, très récents, sur le projet de jumeau numérique pour lequel vous avez là la méthodologie, les différentes étapes, la collecte des données et l’anonymisation. Ça c’est l’étape qui est vraiment l’étape médicale. C’est pas du tout Polynom qui peut gérer ça, ils ne comprennent pas grand-chose, ce n’est pas des médecins. C’est des polytechniciens qui ne sont pas médecins et qui font de la programmation, même pas vraiment puisqu’ils sont capables eux d’avoir les abonnements pour aller accéder aux ressources des grosses machines qui permettra de comprendre nos prompts et ils sont l’interface finalement. Alors, les données, c’est les médecins qui doivent les générer. Ensuite, la modélisation, la création de ces système multiagents avec, vous le verrez dans la diapo suivante, une base de données mémoire et une base de données de personnalité, c’est-à-dire vraiment l’intelligence finalement de l’expert, parce qu’il y a une intelligence chez les experts, il n’y a pas que des connaissances, il y a la façon, tout ça, ça se modélise avec des outils. Alors là, moi je vous avouer que je ne comprends rien à leurs outils. D’ailleurs, ils ne me racontent pas trop si c’est leurs outils à eux, mais je crois qu’ils développent quand même des choses un peu à eux, mais je ne suis même pas complètement certain que tout ça, c’est pas des outils qu’ils achètent, auxquels ils ont accès, mais enfin bon, il faut laisser un peu de mystère dans les conventions, parce que tout ça se paye bien évidemment c’est du temps de senior, du temps de junior enfin c’est là que l’addition peut monter très vite. Et puis il y a l’usage, il y a l’usage de tout ce qu’on a mis là avec l’accès ponctuel : qu’est-ce qu’on fait des données qu’on a générées, est-ce qu’on les garde ? Est-ce qu’on ne les garde pas ? Est-ce qu’il faut les garder sur quoi ? Sur des hébergeurs spécifiques, sécurisés données de santé. On est en Europe, on est en France, on ne peut pas faire n’importe quoi. Donc là encore, ce sont d’autres coûts, d’autres abonnements qui permettent ensuite éventuellement de rendre le système un peu plus, d’apprendre progressivement. Alors, pour s’améliorer, pour améliorer ses performances. Alors ça c’est encore une étape, je n’en suis pas encore là d’ailleurs dans mon projet. Les deux premières étapes, elles sont à peu près acquises. Celle de : est-ce qu’on va pouvoir améliorer le modèle grâce à l’usage du modèle ? je l’espère mais je n’en sais rien en fait aujourd’hui. Alors voilà l’organisation générale. Vous voyez, il y a la database. Alors il y a la database pour les problèmes liés au diagnostic, les problèmes liés aux explorations, aux stratégies et puis problèmes thérapeutiques. Donc il faut des databases très complètes, très différentes, très bien construites et puis il faut pouvoir avoir un accès en mode RAG. Alors vous savez probablement ce que c’est. Moi, je n’arrive jamais à mémoriser à quoi correspond l’acronyme, mais ce que j’ai compris, c’est que le mode RAG, il travaille uniquement sur vos bases à vous. Il ne va pas chercher l’information sur la base générale de ces outils d’IA générative où il y a beaucoup de données de qualité médiocre. Ou alors c’est le béni oui oui, ou c’est les avis des autres, on soigne pas tout à fait les mêmes gens la même façon aux États-Unis, en Espagne, en Belgique, en Russie et donc il faut qu’on puisse rester sur ces bases de connaissances spécifiques. Et puis il y a ce fameux agent orchestrateur. Ça c’est vraiment le cerveau de la machine, la façon dont ces agents IA discutent entre eux et finalement on leur pose la question, ils vont accéder aux bases et puis ils vont donner cette réponse. Voilà l’architecture générale. Alors il faut bien réfléchir à faire tout ça. Si vous avez un projet, c’est super mais il y a beaucoup de travail. Il faut bien arriver à faire discuter l’expert médical avec l’expert en IA qui est un ingénieur en règle générale, un data scientiste. Et il y en a qui ne comprennent rien et il y a des médecins qui ne comprennent rien non plus. Donc il faut trouver des couples ou des couples ou en tout cas c’est vraiment un travail d’équipe et vous ne pouvez pas le faire tout seul et si vous êtes un ingénieur, ça ne suffit pas. Voilà. Alors j’aimerais vous décrire un petit peu où on en est sur un ou deux projets. Alors, il me reste plus que quelques minutes. Le premier élément, c’est cette capacité d’analyser des cas cliniques, des cas cliniques en hypertension simples ou même très complexes. D’entraîner le modèle sur des référentiels pour la prise en charge de l’hypertension artérielle. Alors, on peut dire il y a les recommandations, ça va très bien. Il y a les françaises, les mondiales. Oui, pourquoi pas ? Mais en fait, vous ne soignez pas très bien les gens avec les guidelines, en particulier les patients complexes, les guidelines elles sont faites pour les cas simples. C’est pour qu’il y ait un niveau minimum, éviter les grosses bêtises, mais les recommandations, les guidelines, ça ne vous permet pas de soigner 100 % des gens ou en tout cas d’apprendre à soigner puisque c’est pour un apprentissage plus que pour de la thérapeutique. Pour la prise en charge on n’en est pas là encore. La société n’est pas du tout prête à se laisser remplacer par la machine. Les médecins ne sont pas complètement suicidaires non plus. Alors ces bases de données de prise en charge en vie réelle, il y en a pas mal. Et moi dans le domaine de l’hypertension, j’ai pu en colliger beaucoup avec différentes ressources, le centre d’excellence, les plateformes de téléexpertise auxquelles un certain nombre d’experts de l’hypertension qui travaillent dans le Think Tank, on travaille avec ces plateformes. Donc il y a vraiment beaucoup de données qui sont des données très propres. On n’a pas à créer des données, elles sont là déjà et donc il y a à les organiser un petit peu mais le gros travail est fait. Les données synthétiques c’est une possibilité mais en fait non : on ne va pas créer des données synthétiques, on va les anonymiser en iel et en catégorie d’âge et ça deviendra des données quasi synthétiques. Mais c’est des vraies données, des vraies histoires et des vrais suivis. C’est pas inventé, c’est ce qui s’est passé vraiment. Et l’usage de tout ça, c’est pour la formation initiale ou continue des professionnels de santé qui veulent pratiquer une médecine de précision, ce mot est très important. On fait une médecine qui n’est pas la même, elle est meilleure. Et je dois vous le dire, moi je vous sur les outils que j’ai pu faire tester à des confrères, à des gens en formation, ils disent oui, c’est mieux que ce que je fais, moi, dans ma pratique. La machine est devenue vachement forte, il ne faut pas le nier. C’est comme ça. Et donc il faut l’accompagner et puis je pense surtout il faut le faire nous-même. Nous on est des francophones, on travaille en Europe, faut pas se laisser guider et il faut travailler maintenant parce que sinon dans 2 ans, tout nous viendra de Chine ou des USA et moi je travaillerai plus, je serai en fin de carrière, on ne sait jamais. Peut-être que je travaillerai encore. Et en tout cas pour tous les jeunes, moi je pense qu’il faut qu’ils puissent avoir les connaissances, les expertises des gens qui ont été formés sous nos latitudes et pas à l’est ou à l’ouest de chez nous. Alors le catalogue le catalogue du Think Tank Hypertension France, il est déjà assez garni. Alors, tout n’est pas encore prêt, mais il y a toute une série de jumeaux numériques experts. C’est-à-dire que vous soumettez votre cas et vous dites « Mais qu’est-ce que la guideline répondrait ? » « Moi, je veux soigner uniquement avec la guideline ». On a pris la guideline ESC 2024. Bon, ça donne des réponses. Moi je ne trouve pas que c’est extraordinaire mais pour les gens qui ont un niveau très faible pourquoi pas. Ensuite il y a d’autres grosses bases de données qui elles-mêmes ont travaillé, celle du George Institute, alors c’est un nom très prestigieux mais en fait un labo pharmaceutique en Australie qui a fait un énorme travail, qui a publié dans le Lancet d’ailleurs où il a fait des métaanalyses. Le George Institute, vous pouvez trouver des données très pertinentes sur l’efficacité des traitements antihypertenseurs, issues de tous les essais thérapeutiques publiés de façon très officielle, avec toutes les familles de médicaments. Alors, je pensais que c’était réglé le problème et en fait ce n’est pas encore optimum, ça reste un peu théorique. Donc je l’utilise déjà, je l’ai mis au point, mais moi-même je trouve qu’il y a eu de belles publications : Lancet et tutti quanti mais en fait ça ne bouleverse pas la prise en charge. Plus intéressant, c’est le jumeau numérique expert. Alors je l’ai appelé XG. XG c’est Xavier Girerd. C’est moi. Et bien là avec ma base, j’ai entraîné le modèle avec des cas que j’ai pris en charge moi et j’ai demandé à la machine de faire ce que le jumeau numérique Girerd ferait. Et vraiment c’est bluffant. C’est bluffant parce que la machine est arrivée à comprendre mes raisonnements d’expert, à comprendre et à les mimer. Je suis bluffé. Je suis bluffé et j’ai un peu peur même, enfin un peu peur, n’exagérons rien. Mais il y a une espèce de sentiment très bizarre. On se dit « Mais en fait Girerd est devenu immortel. » Alors, immortel avec les connaissances de Girerd, c’est-à-dire que moi je suis en fin de carrière, donc dans 10 ans, il y aura eu des nouveautés dans le domaine de l’hypertension, des nouveaux médicaments et ce jumeau numérique ne sera plus valable. Mais aujourd’hui, vraiment c’est bluffant. Alors, vous allez me dire « Mais on peut aller regarder ? » Très bientôt parce que là, on est plutôt dans un modèle de réflexion pour savoir, on va pas mettre ça gratos donc quel est le business model de ce jumeau numérique, même venant d’une fondation de recherche qui est là pour finalement mettre à disposition des outils peut-être gratuits, on l’a beaucoup fait. Mais pour ça, pour le jumeau numérique, on réfléchit à un business model quand même parce que il y a eu beaucoup de travail, il y a beaucoup de données. Il faut arrêter de penser que le numérique doit être gratuit toujours. Alors c’est pas à l’assurance maladie de payer ça puisque de toute façon c’est des jumeaux pour s’entraîner, pour se former. Donc c’est pas l’université qui va payer. Donc voilà il y a d’autres astuces. Alors je ne suis pas le professeur Pathak, qui est un expert cardiologue. Moi je suis un expert de l’hypertension. Je ne suis pas le professeur Hanon, qui est un expert gériatre. On fait tous de la cardiologie, de l’hypertension, mais en fait on a développé ces bases de données, plus exactement on a entraîné les bases avec les réponses qu’apporte Pathak, qui ne sont pas forcément les réponses de Girerd, ce qui est très intéressant : devant le même cas clinique, Pathak ne fait pas complètement comme Girerd. Est-ce qu’il fait aussi à la fin ? Est-ce qu’il y a des grosses différences ? Ça c’est un autre problème. Et puis il y a d’autres agents IA. Cet agent IA interprétation des mesures de pression artérielle, alors là il y a un gros travail. L’interprétation des examens complémentaires, ça marche déjà très bien l’IA en radiologie, en photo de dermatologie, l’IA a beaucoup d’avance, a beaucoup aidé et aujourd’hui fait aussi bien que les meilleurs experts. Et quand je dis les meilleurs experts, en fait, ça fait déjà mieux que la majorité des médecins et des médecins radiologues très formés. Donc c’est déjà le quotidien. Alors je copie cette idée là pour l’interprétation de tous ces examens. Les experts n’ont aucun problème pour interpréter une home-blood pressure monitoring, une automesure. Une automesure avec la méthode cuffless, Hilo, c’est déjà beaucoup plus difficile parce qu’il y a très peu d’experts qui possèdent cette technologie-là. Avec l’appareil Omron Night View qui mesure la pression la nuit, personne n’a cet appareil-là. Moi, je l’ai mais comme il vient de sortir, je suis sûr qu’il ne doit pas y avoir beaucoup de gens en France qui ont déjà des base d’interprétation sur l’Omron. Et puis les fameuses ABPM, la MAPA, bien sûr les gens savent interpréter les MAPA. Moi, je suis sur des plateformes de téléexpertise où j’ai des médecins cardiologues qui me demandent des avis pour l’interprétation de la MAPA. Et la machine elle pourra demain se passer de mon avis en direct puisque mon avis aura été donné par l’entraînement des EBPM qui m’ont été soumis. Voilà et puis c’est pour la fin mais je vais prendre deux-trois diapos sur ce jumeau numérique artériel. Alors, c’est celui qui est aussi extrêmement avancé parce qu’il va sortir, ça y est. Et alors, c’est quoi ce jumeau numérique artériel ? Alors, ça c’est vraiment entre guillemets « l’avenir de ces jumeaux numériques ». C’est-à-dire un jumeau numérique, c’est un outil numérique. C’est en fait un patient qu’on a numérisé. On a numérisé quelque chose de son organisme, un organe, une image par exemple, aujourd’hui en chirurgie, il y a des jumeaux numériques qui permettent de préparer des interventions chirurgicales complexes en faisant de la radiologie très reconstruite par le jumeau qui permet de montrer aux chirurgiens exactement où sont les structures à préserver, les vaisseaux au moment d’une tumorectomie, enlever une tumeur du foie, c’est très complexe, une grosse vascularisation et le chirurgien a en temps réel une information qui lui dit « Attention, attention là, il y a un gros vaisseau juste là, un petit coup à droite et tu éviteras le vaisseau. » Donc on crée un une visualisation radiologique uniquement numérique de l’anatomie d’un patient. C’est unique et ces jumeaux numériques, nous, on a eu l’idée de se dire il y a un organe qui mériterait d’avoir son jumeau numérique, c’est l’artère, les artères élastiques, les artères pas pour voir les plaques d’athéromes, mais pour comprendre la structure de l’artère. Et une façon d’évaluer cette structure et fonction de l’artère, c’est de calculer ce qu’on appelle l’âge des artères, et le marqueur EVA, vous ne le connaissez peut-être pas. Je vais essayer de vous expliquer ce que c’est qu’Eva parce que c’est une vieille histoire. Ça a une vingtaine d’années. Là, je vous montre un papier assez récent, enfin il a déjà 6 ans, d’un Français Stéphane Laurent. Maintenant, il est retraité. Mais Stéphane avait beaucoup développé avec Peter Nilson le Suédois cette idée de l’EVA syndrome IV. Enfin, Eva, c’est early vascular aging. Alors, early vascular aging, ça veut dire le vieillissement, l’âge vasculaire prématuré, le vieillissement prématuré des artères. Et lisez la phrase, c’est commun chez des patients avec de l’hypertension et de nombreux facteur de risque cardio-vasculaire. Vous voyez pourquoi je m’intéresse à ça. Et un des aspects de ce vieillissement vasculaire, c’est la compliance des artères. C’est ce qu’on appelle l’artéral stiffening, c’est-à-dire la souplesse des artères. Très important, bien avant qu’il y ait des dépôts d’athérome qui vont boucher l’artère, il y a une maladie qui s’appelle l’artériosclérose, pas l’atéro, l’artériosclérose qui va faire perdre de la souplesse aux artères. Et cette souplesse artérielle, elle peut être mesurée directement par un paramètre qui s’appelle Pulse Wave Velocity, c’est-à-dire la vitesse de l’onde de pouls. Alors, il y a plein d’études qui ont été faites, en tout cas suffisamment d’études pour qu’on trouve très facilement des papiers qui permettent de dire en Espagne, une grande cohorte qui a mesuré la Pulse Wave Velocity et puis calculé, et qui arrive à des résultats pour dire que les gens ont des artères super en bonne santé, super normales. Ils ont des artères plus jeunes que leur âge dans 14 % d’une population générale. Vous voyez qu’il y a moins d’hommes que de femmes. Les femmes sont plus souvent supernormales que les hommes. Et que l’EVA, donc l’early vascular aging et bien 18 % de la population, et c’est des gens qui n’ont pas de maladie cardio-vasculaire dans cette étude donc des gens bien portants. On est vraiment en prévention primordiale. Vous voyez que là les hommes sont malheureusement deux fois plus fréquemment avec un Eva que les femmes. Donc les hommes, ils ont de l’avance sur leur état vasculaire. Et donc ça c’est la réalité et cette étude suggère par ailleurs que des stratégies de prévention primordiale, diminuer le poids, essayer d’améliorer l’insulino-résistance pourrait avoir un impact qui est démontré dans les modèles multivariés de cette étude. Alors voilà un petit peu ce qu’on sait faire aujourd’hui, grâce à Pierre Boutouyrie qui était le collaborateur de Stéphane Laurent à l’hôpital Pompidou et qui travaille toujours, lui, Pierre qui a publié en 2010 une énorme cohorte européenne, 15 000 personnes qui avaient eu une Pulse Wave Velocity, ils étaient bien portants, des gens qui n’avaient pas de pathologie et des nomogrammes ont pu être fait et aujourd’hui il y a deux appareils. Alors d’abord les recommandations cardiologiques disent « Voyez, il faut mesurer la Pulse Wave Velocity avec des valeurs de seuil 10 m par seconde pour carotido-fémoral. C’est aussi important que de regarder une plaque ou de regarder les calcifications sur les coronaires. » Voilà la souplesse des artères. Alors ici vous voyez deux appareils, le Popmètre et le Mesi. Alors, ces deux appareils qui donnent la même chose, l’âge des artères, mais pas avec la même méthode. Il y en a une, c’est une méthode oscillométrique et l’autre, c’est une méthode photoplétismographique. Pas le temps vraiment de parler de tout ça, mais sachez que les deux méthodes sont tout à fait fiables, très faciles d’usage. On peut le faire en consultation. Personnellement, je fais ça à mes patients en consultation et ça donne le résultat de l’âge artériel. Voilà, l’âge artériel, il est indiqué ici : ce patient a 8,4 m/s et il a un âge artériel de 54 ans. Alors, dans mon souvenir, ce patient avait la cinquantaine, donc ça veut dire qu’il n’a pas d’Eva. Eva, c’est plus 10 ans, vous voyez, c’est quand vous êtes dans le rouge par rapport au vert. Donc ce patient, il était tout à fait dedans. Alors, on peut se dire mais voilà, c’est fait. Oui, mais faire une Pulse Wave Velocity, ça dure quand même 5 minutes. Il faut un appareil qui coûte 10 000 €, tout le monde ne fait pas ça et ne peut pas le faire et ne veut pas le faire et ne saura pas le faire. Bon, c’est très facile à faire mais enfin voilà. Et bien nous avons développé avec nos partenaires, Polynom et une autre société Qualit.ai qui est une petite boîte qui a des data scientists brillants en IA et qui m’ont aidé à développer un jumeau numérique artériel alors qui est embarqué dans la prochaine version de l’application suiviHTA. J’avais il y a quelques années fait plusieurs fois des interventions au DU sur le numérique en santé avec les applications, l’usage en e-santé, qu’est-ce qu’on pouvait faire, qui que quoi et bien vous voyez que dans la prochaine version qui est prête en fait, mais on hésite un peu sur la date pour faire le release de cette nouvelle version qui va être enfin je veux pas rater la date de sortie et ce sera probablement lors des journées mondiales de l’hypertension le 17 mai qu’on fera la pub pour dire qu’il y a la nouvelle version. Cette application suiviHTA, elle a déjà été chargé 250 000 fois. Donc voilà, il y a 15 000 personnes qui tous les mois utilisent l’application. Alors c’est complètement minable par rapport aux 15 millions d’hypertendus, mais moi je suis assez fier de mes 15 000 utilisateurs réguliers tous les mois. Alors d’ailleurs, les gens l’utilisent en moyenne tous les 3 mois l’application suiviHTA. Et dans la prochaine version il y a la notion vous avez une EVA. Oui, vous voyez ce patient là il a une EVA. Alors comment on calcule ce jumeau numérique ? Il faut avoir une mesure de pression artérielle systolique, diastolique et il faut avoir la fréquence cardiaque. Et puis après, il y a une équation que je ne vous balancerai pas comme ça parce que ça a été beaucoup de boulot pour pouvoir trouver cette équation et surtout la valider parce qu’elle a été validée contre la Pulse Wave Velocity mesurée par ailleurs et on peut même d’ailleurs maintenant grâce aux travaux de Boutouyrie estimer la Pulse Wave Velocity d’un patient. Alors ce jumeau numérique, il existe, il est là. Bon, à quoi ça va servir ? Et ben en prévention, quand vous dites aux gens vous avez un vieillissement artériel accéléré, en fait ça les motive. Ils arrivent à comprendre qu’il se passe quelque chose. La pression artérielle, parce que si vous ça vous dit quelque chose, si même vous connaissez les valeurs normales, mais quand on vous dit vous avez 10 ans de plus que l’âge de vos artères, et ben ça vous touche. Donc on pourrait vous proposer, vous me contacterez ou vous téléchargerez l’application dans quelques semaines et vous pourrez calculer si vous avez un Eva positif ou pas. Alors, c’est ma dernière diapositive pour vous dire que les agents IA HTA ne remplaceront pas les médecins, mais que les médecins qui utiliseront les agents IA HTA remplaceront ceux qui ne les utiliseront pas. Je vous remercie pour votre attention et si vous avez des questions, je serai en direct pour les questions.
L’IA agentique en HTA est un « assistant numérique » expert en HTA. Il va permettre de former les professionnels de santé à une prise en charge de précision de l’hypertension. Il sera en effet capable d’analyser des cas d’HTA simples ou complexes et surtout d’organiser puis d’interpréter les bilans d’HTA réalisés pour toutes les formes cliniques d’HTA. Enfin il sera bien évidemment capable de proposer les traitements les plus adaptés permettant d’abaisser les chiffres de pression artérielle et de diminuer le risque cardio-vasculaire sans effet indésirable lié aux traitements. L’IA agentique en Hypertension devrait jouer un rôle clé dans les futurs parcours de formation des spécialistes en Hypertension et sera l’outil pour mettre en oeuvre la très attendue « médecine de précision en Hypertension ». C’est la déclaration du Pr Xavier Girerd, Hypertensiologue à l’Hôpital Pitié-Salpêtrière (Paris), Professeur à Sorbonne Université Médecine (Paris) et Président de la Fondation de Recherche sur l’HTA
Une « IA agentique » est un outil numérique qui a la capacité non seulement de transformer des données en connaissances, comme le fait l’IA générative, mais également de convertir ces connaissances en actions.
L’IA agentique fonctionne grâce à des Agents IA autonomes conçus pour accomplir des tâches en interprétant un contexte, en prenant des décisions et en exécutant des actions adaptées à des objectifs prédéfinis. En comblant le vide entre la programmation statique et l’adaptabilité dynamique, l’IA agentique permet la réalisation de flux de travail complexes.
Cette capacité d’agir sans nécessairement une intervention humaine constante est l’évolution apportée par l’IA agentique. Ce nouvel outil qui associe la conscience du contexte, les capacités de prise de décision et l’adaptabilité pour gérer des tâches complexes avec un minimum d’intervention humaine va constituer une évolution importante dans les usages de l’intelligence artificielle en santé.
Selon le Pr Xavier Girerd, la mise au point de l’IA agentique Hypertension va jouer un rôle clé dans les futurs parcours de formation des professionnels de santé en charge des patients avec une Hypertension artérielle. Il permettra d’agir comme un « assistant numérique expert en HTA » capable d’analyser des cas cliniques simples ou complexes et surtout de concevoir et d’interpréter des bilans étiologiques et de retentissement chez des patients avec HTA et pour toutes les situations cliniques usuelles ou exceptionnelles. Il sera entraîné sur les bases de connaissance référencées pour la prise en charge de l’HTA (guidelines et recommandations des sociétés savantes) mais aussi sur des bases patients anonymisées de centres d’expertise en HTA Européens. L’agent IA « bilan Hypertension » sera conçu comme un outil pour la formation initiale ou continue des professionnels de santé voulant pratiquer une médecine de précision en cardiologie préventive et particulièrement en HTA.
D’autres agent IA en Hypertension devraient être développés à moyen terme. Il peut être imaginé :
En résumé, les agents IA n’auront pas la performance du médecin expert pour la prise en charge de l’HTA, mais elle devrait prendre une place importante pour la formation des professionnels de santé.
L’agent IA HTA développé par la Fondation Hypertension et ses partenaires du monde du numérique en santé sera disponible au premier semestre 2026.