IA hors ligne en santé : pourquoi les modèles locaux comptent
Modèles d'IA locaux ou hors ligne en santé : comment ils protègent la confidentialité des données patient, ce qu'ils permettent déjà et leurs limites réelles.
Rédaction Nabady··4 min de lecture
Quand on parle d'intelligence artificielle en santé, on pense spontanément à des services en ligne : on envoie un texte ou une image, un serveur distant renvoie la réponse. Une autre approche gagne du terrain : faire tourner les modèles directement sur l'ordinateur du médecin ou sur les serveurs de l'établissement, sans aucune transmission à l'extérieur. Pour des données aussi sensibles que celles des patients, cette différence est loin d'être technique.
En ligne, local, hors ligne : de quoi parle-t-on ?
- IA en ligne (cloud) : les données sont envoyées vers les serveurs du fournisseur, souvent situés à l'étranger, traitées puis renvoyées.
- IA locale (on-premise) : le modèle est installé sur un serveur de l'établissement ; les données restent dans le réseau interne.
- IA hors ligne sur le poste : le modèle tourne sur l'ordinateur de l'utilisateur et fonctionne même sans connexion internet.
Ces modèles locaux sont rendus possibles par la diffusion de modèles dits « ouverts », dont les poids peuvent être téléchargés et exécutés sur son propre matériel, et par la puissance croissante des ordinateurs récents.
Pourquoi c'est pertinent pour la confidentialité
Le secret médical commence par la maîtrise des flux
Avec un modèle local, la question « où partent les données ? » a une réponse simple : nulle part. Il n'y a pas de transmission à un tiers, pas de transfert hors du pays, pas de dépendance aux conditions d'utilisation d'un fournisseur étranger. Au Maroc, où la loi 09-08 classe les données de santé parmi les données sensibles et encadre les transferts à l'étranger, cette simplicité a une valeur juridique réelle, même si elle ne dispense pas des autres obligations (sécurité du poste, formalités auprès de la CNDP selon le traitement).
Une position cohérente avec les recommandations
Dans ses lignes directrices de janvier 2024 sur les grands modèles multimodaux, l'OMS formule plus de 40 recommandations et appelle à une gouvernance partagée entre gouvernements, entreprises technologiques et prestataires de soins, notamment sur la protection des données. En mars 2025, la CNDP a rappelé que les systèmes d'IA qui reposent sur des données personnelles relèvent pleinement de la loi 09-08. Au Maroc, une convention signée en septembre 2025 entre le ministère de la Transition numérique et la CNDP prévoit par ailleurs de développer un cadre de plateformes nationales d'IA générative, adaptées à la langue, à la culture et au cadre juridique du pays : signe que la question de la souveraineté des données est prise au sérieux.
Ce que les modèles locaux savent déjà faire
Les recherches récentes montrent des résultats encourageants sur des tâches ciblées. En 2024, une équipe européenne a publié dans European Radiology une étude sur la structuration automatique de comptes rendus de radiographie thoracique par un modèle open source exécuté sur les serveurs de l'hôpital. Le modèle a produit des comptes rendus structurés valides dans tous les cas, avec une concordance proche de celle de lecteurs humains, en anglais comme en allemand (avec des performances un peu inférieures en allemand).
Concrètement, les usages réalistes aujourd'hui sont :
- la reconnaissance vocale médicale sur le poste ;
- la mise en forme d'un texte dicté selon un modèle de compte rendu ;
- la reformulation et le résumé de documents internes ;
- l'extraction d'informations structurées (antécédents, traitements, mesures) ;
- l'anonymisation d'un texte avant un éventuel envoi vers un service plus puissant.
Les limites à connaître
| Atout du modèle local | Contrepartie |
|---|---|
| Aucune donnée ne sort du poste ou de l'établissement | Le matériel doit être suffisamment puissant |
| Fonctionne sans connexion internet | Les modèles les plus grands restent difficiles à exécuter localement |
| Coût prévisible, sans abonnement à l'usage | Mises à jour et maintenance à gérer |
| Indépendance vis-à-vis d'un fournisseur | Performances parfois inférieures aux meilleurs services en ligne |
Un modèle local n'est pas plus « juste » qu'un modèle en ligne : il peut lui aussi se tromper ou inventer. Les règles de vérification restent les mêmes. Et la sécurité du poste devient centrale : un ordinateur non chiffré ou infecté par un logiciel malveillant annule le bénéfice de confidentialité.
Une approche hybride souvent pragmatique
Beaucoup de structures adoptent une solution mixte : les tâches courantes et sensibles (transcription, mise en forme, extraction) sont traitées localement ; lorsqu'un service en ligne plus puissant est utile, les données sont d'abord anonymisées sur le poste, puis envoyées. Cette architecture limite l'exposition tout en conservant l'accès aux modèles les plus performants.
Pertinence pour le Maroc et l'Afrique
Le hors-ligne présente aussi un intérêt très concret là où la connexion est instable : centres de santé ruraux, établissements aux débits limités, coupures fréquentes. Un outil qui fonctionne sans réseau reste utilisable en toutes circonstances.
En pratique
- Identifiez les tâches qui manipulent des données identifiantes et privilégiez pour elles un traitement local.
- Vérifiez que le matériel (mémoire, processeur, carte graphique) correspond aux exigences du modèle.
- Chiffrez le disque et sécurisez le poste : la confidentialité dépend aussi de lui.
- Pour les tâches nécessitant un service en ligne, anonymisez les données sur le poste avant l'envoi.
- Appliquez les mêmes règles de relecture qu'avec n'importe quelle IA.
Questions fréquentes
Qu'est-ce qu'un modèle d'IA hors ligne ?
Un modèle installé et exécuté sur l'ordinateur ou le serveur de l'utilisateur, qui fonctionne sans envoyer les données à un service externe ni nécessiter de connexion internet.
Un modèle local suffit-il à être conforme à la loi 09-08 ?
Il simplifie la question des transferts, mais n'exonère pas des autres obligations : sécurité du poste, finalité du traitement et formalités CNDP selon les cas.
Les modèles locaux sont-ils aussi performants ?
Sur des tâches ciblées comme la structuration de comptes rendus, des études récentes montrent de bons résultats ; pour des tâches complexes, ils restent souvent en retrait des plus grands modèles en ligne.
Sources
- European Radiology — Automatic structuring of radiology reports with on-premise open-source large language models (2024)
- OMS — WHO releases AI ethics and governance guidance for large multi-modal models (2024)
- Le360 — IA : la CNDP pose les bases d'une nouvelle gouvernance
- SNRTnews — Rabat : signature d'une convention pour la mise en place d'un cadre d'IA responsable (2025)
Nabady Whisper transcrit votre voix hors ligne, en français, en arabe ou en anglais, avec des modèles de comptes rendus par spécialité.
Article d'information générale, vérifié à la date de publication ; il ne remplace ni un avis médical ni un conseil juridique.