OpenAI et ses partenaires du système de santé considèrent l’intégration d’Epic comme un moyen de réduire la charge administrative des cliniciens ; le déploiement de l’entreprise intervient toutefois dans l’ombre de poursuites judiciaires et de son insistance sur le fait que l’outil n’est pas destiné au diagnostic ni au traitement.

Le mois dernier, OpenAI a étendu ChatGPT pour la santé aux consommateurs américains, affirmant que les utilisateurs posaient déjà environ 300 millions de questions liées à la santé au chatbot chaque semaine. Quelques jours avant la dernière annonce destinée aux entreprises, un pasteur de Floride a intenté une action en justice, alléguant que ChatGPT avait formulé une recommandation presque fatale ; une autre plainte déposée en mai imputait au système des conseils de dosage préjudiciables.¹

OpenAI s’enfonce désormais davantage dans l’infrastructure clinique. Les organisations de santé peuvent connecter des dossiers Epic autorisés à ChatGPT pour Healthcare, permettant au personnel de réunir des notes de rendez-vous, des résultats de laboratoire, des médicaments et de la documentation de spécialistes. Dans les déploiements pris en charge, l’assistant peut être intégré au flux de travail du dossier médical électronique — mais son accès est en lecture seule, ce qui signifie qu’il ne peut pas écrire dans le dossier d’un patient.²

L’entreprise présente ce changement comme un outil d’aide à la décision, et non comme un clinicien automatisé. Elle a également ajouté un plugin Healthcare Public Data reliant neuf sources officielles, dont PubMed, DailyMed, ClinicalTrials.gov et CMS Coverage, afin que les équipes puissent consulter des recherches, des étiquettes de médicaments, des essais et des règles de couverture sans passer d’une base de données à l’autre.²

OpenAI affirme que des médecins ont jugé sûres 99,1 % des 4 363 réponses couvrant 27 cas d’usage clinique. Mais la fraction restante revêt un poids disproportionné lorsque la réponse concerne un patient. Le directeur général d’UCSF Health, Suresh Gunasekaran, a décrit la promesse du projet pilote comme une occasion de « réduire le temps consacré à la synthèse des données et d’accorder aux cliniciens plus de temps avec les patients », tout en soulignant que les équipes de première ligne valideraient les capacités en pratique.²

C’est là le compromis central : un accès plus rapide à un vaste dossier médical, les humains restant responsables de décider ce que signifie le résumé de la machine.