L'intelligence artificielle transforme la médecine — diagnostic assisté par ordinateur, prédiction clinique, accélération de la recherche pharmaceutique. Mais pour les directeurs d'établissements de santé et les responsables SI hospitaliers en Belgique, une question prime sur toutes les autres : comment garantir la sécurité et la confidentialité des données patients ?
La méfiance est légitime. Les données de santé sont les données les plus sensibles qui existent. Une fiche patient qui traîne sur un serveur mal configuré, un modèle IA entraîné sur des données non anonymisées, un fournisseur cloud qui héberge les données hors d'Europe — chaque scénario expose l'établissement à des risques juridiques, financiers et réputationnels considérables.
Pourtant, ne rien faire a aussi un coût : des outils d'aide au triage ou à la rédaction existent, et la vraie question est de savoir à quelles conditions les utiliser. La bonne nouvelle : déployer l'IA dans un hôpital ou un laboratoire belge en respectant le cadre réglementaire est possible, à condition de poser des exigences précises dès le cadrage. Voici celles que je vérifierais.
Le cadre réglementaire belge : RGPD, HDS et au-delà
Le RGPD, socle fondamental
Le Règlement Général sur la Protection des Données (Règlement 2016/679) s'applique à tout traitement de données patients sur le territoire belge. L'article 9 interdit en principe le traitement des données de santé, sauf exceptions limitées. Concrètement, cela signifie :
- Une base légale et une exception de l'article 9 pour chaque usage : le consentement explicite en est une, pas la seule (soins, santé publique, recherche encadrée par l'article 89).
- Minimisation des données : ne collecter que ce qui est strictement nécessaire.
- Droit d'accès, de rectification et d'effacement — y compris pour les données utilisées dans les modèles d'IA.
- Notification de violation sous 72 heures à l'Autorité de protection des données (APD).
En pratique, une IA qui traite des données de santé réunit presque toujours au moins deux critères des lignes directrices WP248 (données sensibles, usage innovant, grande échelle) : l'analyse d'impact (DPIA) est alors requise par l'article 35 du RGPD (EDPB, Lignes directrices wp248rev.01). C'est une étape souvent sous-estimée.
Référentiels de sécurité : HDS, ISO 27001, CyberFundamentals
La certification Hébergeur de Données de Santé (HDS), encadrée par un référentiel de l'Agence du Numérique en Santé française et délivrée par des organismes certificateurs accrédités, est une référence reconnue pour l'hébergement de données médicales. Elle n'est pas obligatoire en Belgique — il n'existe pas d'équivalent national strict — mais elle constitue, aux côtés de l'ISO 27001 et du cadre belge CyberFundamentals du CCB, un repère utile pour évaluer la maturité sécurité d'un hébergeur.
La certification atteste, au moment de l'audit, que l'hébergeur applique notamment :
- La séparation physique ou logique des données de santé des autres données.
- Des procédures de sauvegarde et de restauration documentées et testées.
- Une traçabilité complète des accès aux données.
- La continuité de service en cas d'incident.
Point clé pour les responsables SI hospitaliers : choisir un hébergeur HDS ne vous décharge pas de vos responsabilités, mais réduit considérablement votre exposition au risque. C'est un critère de sérieux à exiger de votre hébergeur.
Le rôle de l'INAMI et de la plateforme eHealth
En Belgique, l'INAMI encadre les remboursements liés aux dispositifs médicaux. La plateforme eHealth, quant à elle, structure l'échange sécurisé des données de santé entre hôpitaux, praticiens et organismes assureurs. Un projet d'IA médicale gagne à s'inscrire dans ces cadres, par exemple en utilisant le standard FHIR (Fast Healthcare Interoperability Resources) pour l'échange des données.
Les risques concrets : pourquoi la sécurité n'est pas un luxe
Ce qui va mal quand ça va mal
Les incidents ne sont pas théoriques. En Belgique, l'APD a sanctionné en décembre 2024 un hôpital d'une amende de 200 000 € à la suite d'une attaque ransomware survenue en 2021 et touchant environ 300 000 personnes : l'établissement n'avait pas réalisé de DPIA et présentait des failles de sécurité, dont un mot de passe d'accès aux dossiers patients trop faible (APD, Décision 166/2024 du 17 décembre 2024). Et l'introduction de l'IA ajoute une couche de complexité :
- Les modèles d'IA peuvent mémoriser une partie de leurs données d'entraînement. Un LLM médical entraîné sans précaution peut restituer des informations personnelles identifiables lors d'une requête.
- Les pipelines de données circulent entre plusieurs services. Chaque maillon doit chiffrer en transit et au repos, et limiter qui peut lire les données en clair.
- L'accès aux clusters GPU pour l'entraînement ou l'inférence doit être strictement contrôlé et audité.
Le coût de la non-conformité
En vertu du RGPD, les amendes vont jusqu'à 10 millions d'euros ou 2 % du chiffre d'affaires annuel mondial pour un défaut de sécurité, et jusqu'à 20 millions d'euros ou 4 % pour une violation des principes ou des règles sur les données sensibles (article 83), le montant le plus élevé étant retenu. Au-delà de la sanction financière, c'est la confiance des patients et des partenaires qui s'effondre.
Ce que j'exigerais d'un projet d'IA en santé
Je n'héberge pas de données de santé et je ne déploie pas d'infrastructure pour des clients. Voici les exigences que je vérifierais avant qu'un projet d'IA ne touche un dossier patient, et les questions à poser à un prestataire.
1. Chiffrement et gestion des clés
Exiger le chiffrement en transit et au repos, savoir qui détient les clés (le fournisseur ou vous) et qui peut lire les données en clair pendant le traitement. Un modèle doit lire un texte pour le traiter : sans cette précision, « chiffré de bout en bout » ne veut rien dire.
2. Pseudonymiser, minimiser, et ne pas confondre avec l'anonymisation
Retirer les noms ne suffit pas : l'âge, l'école ou la langue peuvent désigner une personne. Au sens du RGPD (considérant 26), des données pseudonymisées restent des données personnelles.
La confidentialité différentielle, elle, ajoute un bruit calibré à des résultats (statistiques, modèles) pour limiter ce qu'on apprend d'un individu, au prix de la précision : ce n'est pas un procédé pour rendre un dossier anonyme.
3. Traçabilité des accès
Exiger un journal des accès aux données de santé (qui, quand, quoi) et savoir combien de temps il est conservé. C'est aussi un outil opérationnel pour les responsables SI qui doivent répondre aux questions de l'Autorité de protection des données.
4. Localisation et sous-traitants
Un hébergement mutualisé hors de l'Union complique la conformité : transferts (chapitre V du RGPD), sous-traitants ultérieurs, accès d'autorités étrangères. Demander où les données sont hébergées et traitées, y compris par le fournisseur du modèle, la liste des sous-traitants ultérieurs, et ce que le contrat prévoit sur la conservation et l'entraînement.
5. Documenter avant de déployer
Une analyse d'impact avant la mise en production, des durées de conservation écrites et appliquées, et un format d'échange standard (FHIR) si le projet doit dialoguer avec un logiciel hospitalier.
Un exemple réel : Orthopy
Un cas réel plutôt qu'un scénario : Orthopy, le logiciel pour logopèdes que j'ai conçu, en bêta fermée depuis le 11 septembre 2026. Son copilote envoie du texte clinique à un modèle d'IA hébergé chez un fournisseur européen. Avant chaque envoi, le texte est pseudonymisé : les noms sont remplacés par des substituts, et un second contrôle, écrit de façon indépendante, bloque l'envoi s'il reconnaît encore un nom du dossier ou un numéro d'identification.
Deux limites sont écrites noir sur blanc : l'audio d'une dictée part au fournisseur avant d'être transcrit, et la pseudonymisation n'est pas l'anonymisation. La bêta tourne sur des données fictives. Le détail est dans l'étude de cas et dans le retour d'expérience sur Orthopy.
Les freins courants — et comment les lever
« L'IA va remplacer les médecins. » Non. L'IA assiste le clinicien. Elle accélère le triage, détecte des signaux faibles, optimise les parcours. La décision reste humaine.
« Nos données ne sont pas prêtes. » C'est souvent vrai. Un cadrage commence donc par l'inventaire des données disponibles et de leur qualité, avant toute promesse sur ce que l'IA en tirera : la donnée de santé doit être exploitable avant d'être analysable.
« Le cloud n'est pas sécurisé. » La sécurité dépend moins du mot « cloud » que de ce qui est contractualisé et vérifiable : localisation, sous-traitants, chiffrement, gestion des clés, journalisation.
« Nous n'avons pas l'expertise interne. » C'est exactement mon rôle : apporter le recul technique et le cadrage méthodologique pour que vous puissiez décider en toute clarté.
Prêt à sécuriser votre démarche IA ?
L'IA en santé n'est plus un sujet de demain. Les structures qui posent les bonnes bases aujourd'hui — gouvernance des données, conformité RGPD, pipelines tracés et vérifiables — seront celles qui innoveront le plus sereinement.
Je propose aux structures de santé et aux porteurs de projets healthtech un cadrage technique et documentaire. Je ne suis ni juriste ni organisme certificateur : le dossier est écrit pour être repris par votre conseil.
Contactez-moi pour échanger sur votre projet — j'évalue avec vous vos besoins, vos contraintes réglementaires et les architectures les plus adaptées à votre contexte.
Sources : (1) RGPD, Règlement 2016/679. (2) APD Belgique. (3) Référentiel HDS. (4) FHIR, HL7 International. (5) APD Décision 166/2024. (6) EDPB, DPIA guidelines. (7) eHealth Platform Belgique.
Waelan — Souhail Chafai, architecture de systèmes agentiques et cadrage de projets IA à Mons, Belgique.