Doctolib réutilisera des données de santé pour l'IA

Doctolib et les données de santé : ce que ce projet révèle sur les enjeux de l'IA médicale

Cet article revient sur l'annonce de Doctolib concernant la réutilisation des données de santé de ses utilisateurs pour entraîner des modèles d'intelligence artificielle. L'objectif est de clarifier le contexte technique et éthique de ce projet, de comprendre ce qu'il change pour les usages de l'IA en santé, et d'en tirer des pistes de progression concrètes pour un apprenant.

L'intelligence artificielle avance vite, mais sa vraie valeur dépend de la manière dont on l'utilise pour apprendre, produire et raisonner avec méthode. L'objectif n'est pas de transformer cette annonce en polémique ou en alerte, mais de comprendre ce qu'elle révèle sur les tensions réelles entre innovation technologique, protection des données personnelles et confiance des utilisateurs. Pour un apprenant, cette lecture aide à distinguer le bruit de fond des compétences et des réflexes qui méritent vraiment d'être consolidés.

Pourquoi cet article mérite ton attention

Doctolib est aujourd'hui l'une des plateformes de santé numérique les plus utilisées en Europe, avec plusieurs dizaines de millions d'utilisateurs en France, en Allemagne et en Italie. Chaque rendez-vous pris, chaque ordonnance transmise, chaque échange entre un patient et un professionnel de santé via la plateforme génère des données. Des données que Doctolib a annoncé vouloir utiliser, à partir d'août 2026, pour entraîner des modèles d'intelligence artificielle dédiés à la détection précoce de risques de santé.

Cette annonce a immédiatement suscité des réactions, des inquiétudes et des débats. Elle mérite d'être analysée avec précision, car elle illustre un enjeu qui va bien au-delà de Doctolib : comment l'IA transforme la relation entre les grandes plateformes numériques, les données personnelles sensibles et les utilisateurs qui en sont à la fois la source et les bénéficiaires potentiels.

Comprendre le contexte : Doctolib, une position unique sur les données de santé

Pour comprendre les enjeux de cette annonce, il faut d'abord mesurer la position particulière qu'occupe Doctolib dans l'écosystème de santé numérique.

Doctolib n'est pas un acteur de santé au sens médical du terme. C'est une plateforme intermédiaire qui facilite la prise de rendez-vous entre patients et professionnels de santé. Mais cette position d'intermédiaire lui donne accès à un volume considérable de données : les spécialités consultées, la fréquence des rendez-vous, les motifs de consultation, les documents médicaux partagés via la messagerie sécurisée, et potentiellement les antécédents déclarés lors de l'inscription.

Ces données appartiennent à la catégorie des données de santé, qui sont classées par le RGPD comme des données sensibles de catégorie particulière. Leur traitement est soumis à des règles beaucoup plus strictes que les données ordinaires, précisément parce qu'elles touchent à l'intimité des personnes et peuvent avoir des conséquences réelles sur leur vie, leur emploi ou leurs assurances si elles étaient mal protégées ou mal utilisées.

C'est dans ce cadre très encadré que Doctolib a annoncé son projet de recherche.

Ce que Doctolib a annoncé concrètement

Le projet annoncé par Doctolib vise à utiliser les données collectées sur sa plateforme pour entraîner des modèles d'IA capables de détecter des risques de santé plus tôt, et d'améliorer la prise en charge des patients. L'ambition affichée est médicale et préventive : identifier des signaux faibles dans les parcours de soin qui pourraient indiquer un risque de diabète, de maladie cardiovasculaire ou d'autres pathologies chroniques avant qu'elles ne soient diagnostiquées.

Sur la forme, Doctolib a précisé plusieurs garanties. Les données utilisées seront anonymisées, c'est-à-dire traitées de façon à ce qu'il soit impossible, en théorie, de les relier à un individu identifiable. Le projet débutera en août 2026, ce qui laisse un temps de préparation et de consultation. Surtout, les utilisateurs peuvent refuser que leurs données soient incluses dans ce projet, et ce refus n'entraîne aucune perte d'accès à la plateforme.

Ce dernier point est important : Doctolib a opté pour un mécanisme d'opt-out plutôt qu'opt-in. Concrètement, cela signifie que les données de tous les utilisateurs seront utilisées par défaut, sauf si ces derniers effectuent une démarche active pour s'y opposer.

Le débat central : opt-in ou opt-out, pourquoi cela compte

La distinction entre opt-in et opt-out est l'un des points les plus importants à comprendre dans ce dossier, et plus généralement dans tout débat sur la protection des données.

Dans un mécanisme opt-in, l'utilisateur donne son accord explicite avant que ses données soient utilisées. Rien ne se passe sans son consentement actif. C'est le principe le plus protecteur pour les individus, et c'est celui que le RGPD impose pour les données ordinaires.

Dans un mécanisme opt-out, l'utilisation des données est activée par défaut. L'utilisateur doit effectuer une démarche active pour s'y opposer. Ce mécanisme est moins protecteur, car il repose sur le fait que les utilisateurs seront informés, comprendront ce que cela implique et auront la motivation de faire la démarche de refus.

Pour les données de santé, le RGPD prévoit normalement un consentement explicite. Doctolib justifie son approche opt-out en invoquant une exception prévue par le règlement pour les activités de recherche d'intérêt public, combinée à l'anonymisation des données. Ce cadre juridique est légitime, mais il est aussi contesté par plusieurs associations de défense des droits numériques qui estiment que les données de santé méritent systématiquement un consentement actif, quelle que soit la finalité déclarée.

Ce débat n'est pas uniquement juridique. Il touche à des questions de confiance et de gouvernance : est-ce qu'une plateforme privée, même bien intentionnée, devrait avoir le pouvoir de décider par défaut de l'utilisation de tes données médicales ?

Le concept clé à retenir : l'anonymisation et ses limites

Doctolib affirme que les données utilisées seront anonymisées. C'est une garantie importante, mais elle mérite d'être comprise avec précision, car l'anonymisation n'est pas une protection absolue.

Une donnée est considérée comme anonymisée quand il est impossible, de façon irréversible, de l'associer à une personne identifiable. En pratique, cela signifie supprimer ou remplacer les identifiants directs comme le nom, le numéro de sécurité sociale ou l'adresse.

Mais des recherches en informatique ont montré à plusieurs reprises qu'il est possible de ré-identifier des individus dans des jeux de données supposément anonymisés, en croisant plusieurs informations apparemment anodines. Une étude célèbre a montré qu'en connaissant le code postal, la date de naissance et le sexe d'une personne, on pouvait identifier de façon unique 87 % des américains dans une base de données anonymisée.

Dans le contexte des données de santé, ce risque de ré-identification est particulièrement sensible. Une personne dont les données révèlent une pathologie rare, un parcours de soin atypique ou une combinaison de spécialités consultées peut être beaucoup plus facilement ré-identifiable qu'une personne au profil médical ordinaire.

Cela ne signifie pas que le projet de Doctolib est nécessairement dangereux. Mais cela signifie qu'il faut regarder avec attention les techniques d'anonymisation utilisées, les contrôles mis en place et les audits indépendants réalisés pour vérifier leur robustesse.

L'IA en santé : une promesse réelle sur des bases fragiles

Au-delà du cas Doctolib, cet incident illustre une tension fondamentale dans le développement de l'IA médicale.

Les modèles d'IA qui détectent des maladies, prédisent des risques ou assistent les médecins dans leurs diagnostics ont besoin de grandes quantités de données pour être entraînés de façon fiable. Plus les données sont variées, représentatives et riches, meilleur est le modèle. C'est une réalité technique incontournable.

Mais les meilleures données disponibles pour entraîner ces modèles sont précisément les données de santé réelles de vraies personnes. Des données qui sont, par nature, parmi les plus sensibles qui existent.

Cette tension entre la nécessité des données et la protection des individus est au coeur de tous les grands projets d'IA médicale, que ce soit en France avec le Health Data Hub, aux États-Unis avec les initiatives des grands groupes hospitaliers, ou en Chine où les contraintes réglementaires sont différentes.

La question n'est pas de choisir entre l'innovation et la protection. C'est de construire des cadres qui permettent les deux simultanément, avec des garanties réelles, des contrôles indépendants et une information claire pour les personnes concernées.

Ce que cela change pour les usages de l'IA

Pour un développeur ou un apprenant qui travaille sur des projets intégrant de l'IA, cet épisode donne plusieurs leçons pratiques.

La première est que la question des données d'entraînement est centrale et ne peut pas être traitée comme un détail technique. D'où viennent les données ? Avec quel consentement ont-elles été collectées ? Quels biais peuvent-elles introduire dans le modèle ? Ces questions doivent être posées avant de commencer à entraîner un modèle, pas après.

La deuxième leçon est que l'anonymisation est une technique, pas une garantie absolue. Si tu travailles avec des données personnelles dans un projet, comprendre les limites de l'anonymisation et les techniques alternatives comme la confidentialité différentielle est une compétence de plus en plus attendue.

La troisième leçon concerne la gouvernance des données dans les projets IA. Savoir concevoir un système de consentement clair, traçable et respectueux des droits des utilisateurs est une compétence qui dépasse la technique et touche à l'architecture des systèmes et à la conception de l'expérience utilisateur.

Les réflexes à adopter

En tant qu'utilisateur de Doctolib ou de toute plateforme de santé numérique, plusieurs réflexes sont utiles.

Vérifie les paramètres de confidentialité de ton compte Doctolib. L'option de refus de réutilisation des données pour la recherche IA doit être accessible depuis les paramètres de ton profil. Si tu n'es pas à l'aise avec ce projet, effectue la démarche opt-out avant août 2026.

Lis les conditions générales d'utilisation des plateformes de santé que tu utilises. Ce n'est pas une lecture agréable, mais les clauses relatives à l'utilisation des données pour la recherche ou l'amélioration des services sont celles qui ont le plus d'impact sur ta vie privée.

En tant qu'apprenant ou développeur en IA, documente-toi sur le Health Data Hub français, qui est l'infrastructure publique mise en place pour centraliser et sécuriser les données de santé à des fins de recherche. C'est un exemple concret de gouvernance des données de santé à grande échelle, avec ses réussites et ses controverses.

Suis les publications de la CNIL sur l'IA et les données de santé. L'autorité française de protection des données publie régulièrement des recommandations et des décisions qui font jurisprudence sur ces sujets.

Ce que ce cas enseigne sur l'IA comme responsabilité

L'annonce de Doctolib rappelle que développer ou déployer un système d'IA n'est pas un acte neutre. Chaque modèle entraîné sur des données réelles implique des choix sur ce que l'on fait de ces données, comment on protège les personnes concernées et comment on les informe.

Pour un apprenant qui se forme à l'IA, intégrer tôt cette dimension de responsabilité est un avantage durable. Le marché valorise de plus en plus les profils capables de concevoir des systèmes d'IA qui sont non seulement performants, mais aussi explicables, équitables et respectueux des droits des personnes qu'ils affectent. Cette compétence ne s'improvise pas : elle se construit progressivement, en suivant l'actualité réglementaire, en comprenant les cadres légaux et en appliquant ces réflexions à des projets concrets.

Pour aller plus loin

Cours GeniusClassrooms : AI Foundations : https://geniusclassrooms.com/courses/ai-foundations

Parcours complets sur GeniusClassrooms : https://geniusclassrooms.com

Sur GeniusClassrooms, l'objectif est de relier ces sujets à des parcours concrets, pour apprendre plus vite, pratiquer plus intelligemment et garder une progression claire dans un domaine qui évolue chaque semaine.