IA en médecine du travail : usages concrets, garde-fous et feuille de route 2026

L’intelligence artificielle entre en médecine du travail comme elle est entrée dans toutes les disciplines médicales : par la pression d’un gisement de temps soignant à libérer, par la maturité soudaine des grands modèles de langage, et par la sortie progressive de règles du jeu claires : Loi européenne sur l’IA (AI Act) adoptée en 2024, référentiels HDS renforcés, avis des autorités de santé.

La question n’est plus « l’IA va-t-elle arriver en médecine du travail ?   » : elle est arrivée. La question utile est : comment l’utiliser avec discernement ? Quels usages apportent réellement de la valeur au médecin, au salarié et au SPST ? Quels garde-fous poser pour éviter les dérives ? Ce guide 2026 répond à ces questions, sans complaisance technologique ni défiance rétrograde.

Pourquoi l’IA s’installe en médecine du travail en 2026

La tension sur le temps médical, un problème aigu

Le rapport IGAS 2026 sur le bilan de la réforme de 2021 l’écrit noir sur blanc : la démographie de la médecine du travail se contracte plus vite que les départs en retraite, les files actives des SPST s’allongent, et les nouvelles missions (PDP, visite de mi-carrière, SIR élargi) alourdissent la charge. Il faut soit former plus de médecins, ce qui prendra dix ans, soit libérer du temps médical avec les outils. L’IA est le principal de ces outils.

Des modèles enfin capables de transcrire, résumer, structurer

Les grands modèles de langage, qui étaient en 2023 des assistants de rédaction généraux, savent désormais transcrire un entretien médical en conservant la précision clinique, pré-remplir un formulaire structuré à partir d’une conversation, proposer des codes réglementaires (RPS, CMR, risques professionnels) et générer un compte rendu cohérent. Cette maturité technique rencontre en 2026 un cadre réglementaire qui commence à se stabiliser.

Un cadre réglementaire qui se précise

L’AI Act européen classe les usages IA par niveau de risque. Les systèmes IA médicaux qui aident au diagnostic ou à la décision médicale relèvent du « haut risque », avec des exigences spécifiques de transparence, de supervision humaine, de qualité des données d’entraînement et de journalisation. Associés à la certification HDS pour l’hébergement des données, ces exigences forment un socle sur lequel les éditeurs sérieux peuvent désormais construire.

Les usages concrets de l’IA en médecine du travail

1. Le compagnon de visite : transcription et pré-remplissage du DMST

C’est l’usage phare en 2026. Pendant la visite, l’IA écoute l’entretien (avec consentement explicite du salarié), le transcrit en temps réel, identifie les éléments cliniques pertinents et pré-remplit le dossier médical structuré : antécédents, expositions, plaintes, symptômes, observations. Le médecin valide, corrige, complète, il ne saisit plus. Les gains de temps observés oscillent entre 25 et 45 % du temps de visite selon le profil du médecin.

2. La suggestion de codes d’exposition et d’examens

À partir du poste occupé, des risques déclarés par l’employeur et des éléments de l’entretien, l’IA propose les codes d’exposition à enregistrer dans la traçabilité et les examens complémentaires recommandés par les référentiels (HAS, recommandations SPST). Le médecin conserve la décision ; l’IA évite les oublis et homogénéise les pratiques au sein du service.

3. La rédaction des écrits : fiches d’aptitude, courriers, propositions d’aménagement

Les écrits du médecin du travail sont nombreux : avis d’aptitude, propositions d’aménagement de poste, courriers au médecin traitant ou au médecin conseil, contributions au DUERP. L’IA génère une première version à partir du DMST, le médecin relit et adapte. Le gain est sensible sur les situations standardisées ; il laisse au médecin le temps pour les situations complexes.

4. Le repérage précoce pour la PDP

L’IA analyse en continu des signaux faibles, arrêts répétés, pathologies chroniques, verbatims de visite, absentéisme, et déclenche des alertes de prévention de la désinsertion professionnelle avant que la situation ne s’enkyste. Le médecin reprend la main pour confirmer ou infirmer l’alerte et activer le parcours PDP adapté (visite de pré-reprise, essai encadré, temps partiel thérapeutique).

5. L’analyse agrégée des données métier

Au niveau du SPST, l’IA exploite les données agrégées (toujours anonymisées) pour produire des indicateurs de santé au travail par branche, par risque, par territoire : utiles au pilotage du service et à la communication avec les entreprises adhérentes. Elle permet d’identifier les clusters de risques (troubles musculo-squelettiques sur un corps de métier, surcharge mentale dans un secteur) et d’orienter la prévention primaire.

6. L’assistance au standard et au portail salarié

Un agent conversationnel IA peut répondre, 24 heures sur 24, aux questions des salariés et des employeurs sur le fonctionnement du SPST, les prochaines visites, les démarches de pré-reprise, sans prétendre à un acte médical. Il libère le standard du SPST des questions répétitives et oriente vers le bon interlocuteur les demandes complexes.

Les garde-fous indispensables

1. Le consentement éclairé du salarié

La transcription d’une visite par IA suppose le consentement explicite et éclairé du salarié. Il doit savoir ce qui est enregistré, où c’est traité, combien de temps c’est conservé, qui y a accès. Le refus du consentement ne peut lui être opposé, la visite se poursuit en mode traditionnel.

2. Le périmètre HDS étendu à l’IA

L’IA médicale qui manipule des données de santé doit rester dans le périmètre HDS. Cela veut dire : modèles hébergés en infrastructure HDS ou dans une infrastructure équivalente certifiée, aucune donnée transitant vers un API IA grand public non certifié, journal complet des appels modèles. Sur ce point, la certification ISO 27001 et HDS est la ligne rouge à ne pas franchir.

3. La supervision humaine obligatoire

Aucune décision médicale (avis d’aptitude, inaptitude, déclaration de maladie professionnelle, orientation) ne peut être prise automatiquement par une IA. Le médecin du travail reste le seul responsable. Le logiciel doit documenter cette supervision : tout acte médical est validé, signé, tracé sous la responsabilité du praticien.

4. La transparence et l’explicabilité

L’AI Act impose pour les systèmes de haut risque un niveau de transparence : le médecin doit pouvoir savoir pourquoi l’IA a produit telle suggestion, sur quelles données elle s’appuie, quels sont ses biais connus. Les éditeurs sérieux fournissent cette documentation ; les autres recyclent des modèles génériques sans traçabilité.

5. La surveillance des biais et la qualité des données

Un modèle entraîné majoritairement sur des populations masculines peut sous-diagnostiquer des pathologies chez les femmes. Un modèle entraîné avant 2020 peut méconnaître les pathologies du télétravail. La qualité et la représentativité des données d’entraînement sont des sujets cliniques, à aborder en revue de pratique, pas à déléguer au fournisseur.

6. Le secret médical

Aucun flux IA ne doit aboutir à une fuite du secret médical. Concrètement : pas d’appel à un modèle IA qui renverrait du texte médical en clair vers un prestataire non autorisé, pas de logs stockés en dehors du périmètre HDS, pas de fonctions de partage « involontaire » vers l’employeur ou le SIRH. Le médecin garde la clé.

Mettre en œuvre l’IA en médecine du travail : feuille de route

1. Partir des irritants cliniques : quels sont les temps morts du médecin et de l’IDEST ? Saisie DMST, rédaction de courriers, rappels administratifs, production du bilan annuel : c’est là qu’il faut commencer.

2. Choisir un éditeur qui intègre l’IA dans le même périmètre HDS que le reste du logiciel. Les IA « à côté », appelées depuis des modules externes, exposent à des ruptures de conformité.

3. Déployer l’IA en mode pilote sur 3 à 5 médecins volontaires, mesurer le gain de temps, recueillir les retours qualitatifs, ajuster les protocoles.

4. Formaliser le consentement salarié à l’ouverture de la visite : affichage en salle d’attente, mention à l’agenda, script au médecin.

5. Former les utilisateurs, professionnels et administratifs, sur les usages, les garde-fous et les cas où l’IA ne doit pas être utilisée.

6. Auditer régulièrement les suggestions IA (revue de pratique mensuelle sur un échantillon) pour détecter dérives et biais.

7. Documenter la gouvernance IA du SPST : instance responsable, délégué à la protection des données, procédure de mise à jour des modèles, plan de désactivation en cas d’incident.

uEgar.neo : l’IA native, dans le périmètre HDS

La nouvelle génération uEgar.neo intègre l’IA dès la conception : compagnon de visite (transcription, pré-remplissage DMST, suggestion de codes d’exposition), assistant de rédaction des courriers, repérage PDP, assistant conversationnel du portail salarié. Tous ces services fonctionnent dans le périmètre HDS de Val Solutions : aucune donnée de santé ne sort vers un API IA grand public. La supervision humaine est journalisée, l’AI Act est pris en compte, la documentation de transparence est fournie.

FAQ : IA en médecine du travail

L’IA peut-elle délivrer un avis d’aptitude ?

Non. L’avis d’aptitude est un acte médical qui ne peut être pris que par un médecin du travail en personne. L’IA peut tout au plus produire un pré-remplissage du formulaire, que le médecin valide et signe.

Un salarié peut-il refuser que sa visite soit transcrite par IA ?

Oui, sans justification ni conséquence. Le consentement est libre et éclairé. La visite se poursuit alors en mode traditionnel, le médecin saisit lui-même les éléments du DMST.

L’IA respecte-t-elle le secret médical ?

Elle doit être configurée pour le respecter intégralement : hébergement HDS, journal des accès, pas de sortie vers des tiers non autorisés. Si ces conditions ne sont pas réunies, l’usage est interdit. Le médecin du travail et le DPO du SPST sont les garants de ce respect.

L’IA risque-t-elle de remplacer les médecins du travail ?

Non. L’IA automatise la saisie, la transcription, la suggestion et certaines rédactions : jamais la décision clinique, l’écoute, l’examen, le jugement sur l’aptitude, la coordination avec l’équipe pluridisciplinaire. Elle libère du temps médical ; elle ne le remplace pas.

Faut-il déclarer l’IA utilisée à la CNIL ou à l’AI Act ?

Les obligations dépendent de la classification du système (risque limité, élevé, inacceptable). Les IA médicales sont généralement classées « haut risque » dans l’AI Act, avec des obligations de documentation, de supervision et de journalisation. Le DPO et l’éditeur logiciel doivent maintenir le dossier de conformité à jour, le SPST, en tant que responsable de traitement, en est le premier garant.

Combien de temps faut-il pour qu’un SPST tire réellement profit de l’IA ?

Les premiers gains (transcription, pré-remplissage) sont mesurables dès les premières semaines d’usage. Les gains d’organisation (PDP mieux outillée, pilotage par la donnée) apparaissent après 6 à 12 mois. La courbe de maturité suit celle de toute transformation numérique : irrégulière au début, puis exponentielle quand les protocoles sont stabilisés.

En synthèse

L’IA en médecine du travail en 2026 n’est ni une promesse ni une menace : c’est un outil qui, bien encadré, redonne du temps clinique au médecin et améliore le service rendu au salarié. Les conditions du succès sont connues : consentement éclairé, périmètre HDS intégral, supervision humaine obligatoire, transparence, vigilance sur les biais, formation. Les SPST qui investissent maintenant dans cette transformation prennent une avance décisive sur la productivité, la qualité et l’attractivité de leur service.

Vous souhaitez échanger sur la gouvernance IA de votre SPST ? Nos équipes peuvent organiser un atelier de cadrage et vous présenter les briques IA d’uEgar.neo dans votre contexte.

Demandez une démo