Données synthétiques en santé, les “patients virtuels” doivent d'abord prouver leur fiabilité 

Ils ne sont nés nulle part et n'ont jamais franchi la porte d'un hôpital, mais ces patients numériques pourraient bientôt peser dans la balance d'un essai clinique. Générés par des algorithmes à partir de données existantes, ils intéressent de plus en plus les chercheurs et industriels, confrontés à des essais longs, couteux et parfois impossible à mener faute de malades en nombre suffisant. Cette approche, encore expérimentale, soulève autant d’espoirs que de questions. Le 7 octobre, au Medicen Day, organisé par le pôle de compétitivité francilien Medicen Paris Région, trois spécialistes en ont examiné les promesses et les limites de ces patients numériques  

Stéphanie Allassonnière, vice-présidente valorisation de l'Université Paris Cité, Frédérique Lemaux-Duvillier, vice-présidente stratégie scientifique et opérations cliniques de la société rennaise de recherche clinique Biotrial, et Carole Dorfin, directrice des partenariats de la plateforme des données de santé (PDS) partagent le même constat, celui d'une technologie qui progresse plus vite que le cadre censé permettre de lui faire confiance. 

Encore faut-il s'entendre sur les mots, car “parler de ‘données synthétiques’ est assez ambivalent”, prévient Stéphanie Allassonnière, mathématicienne spécialiste des modèles génératifs statistiques. Au sens strict, les données synthétiques sont produites par un modèle entraîné sur des données réelles ou sur des équations de physique-chimie et ne correspondent à aucune personne existante. Elles servent d'abord à anonymiser, en fabriquant le double statistique d'une population, une opération dont la Commission nationale de l'informatique et des libertés (Cnil) examine la méthode comme le résultat. Elles permettent ensuite de compléter des cohortes trop petites pour mener un essai à son terme. Dans une maladie rare qui ne compte qu'une soixantaine de patients, constituer deux bras de trente malades relève de la gageure, d'où l'idée de recruter davantage de patients dans le groupe traité et de générer ceux du groupe contrôle à partir de ce que l'on sait déjà de la maladie. 

Un processus soumis à l'épreuve des cliniciens 

Avant d'entrer dans un essai, ces patients sans visage doivent passer une double validation, d'abord statistique, en mesurant la distance mathématique entre la population générée et la population d'origine. Cette distance doit être “suffisamment petite, mais pas trop”, selon Stéphanie Allassonnière, pour ne pas reproduire les données réelles à l'identique. Vient ensuite la validation clinique, au cours de laquelle des experts reçoivent un panel mêlant vrais et faux patients, le contrat étant rempli lorsqu'ils ne parviennent pas à les départager à l'aveugle. Pour la mathématicienne, la barre ne doit pas pour autant être placée plus haut que pour d'autres innovations car “on ne peut pas demander à ces technologies-là plus que ce qu'on demande à un médicament.” Côtés industriels, la “demande monte nettement”, observe Frédérique Lemaux-Duvillier. Les bras de contrôle externes, construits à partir de données de vie réelle, ont déjà permis de faire valider des essais mais, ceux générés par intelligence artificielle en restent au stade des projets pilotes, en Europe comme aux États-Unis. 

Aucune ligne directrice ne balise encore le chemin et les principes de bonnes pratiques en intelligence artificielle sur lesquels l’agence fédérale américaine chargée de protéger et de promouvoir la santé publique (FDA) et l'agence européenne des médicaments (EMA) se sont alignées en janvier 2026 restent “un peu high level” pour qui rédige un protocole. Frédérique Lemaux-Duvillier conseille donc d'associer l'autorité de santé dès le premier jour, par un avis scientifique en Europe ou une réunion préalable à la demande d'essai aux États-Unis, afin de s'assurer que les données seront recevables. Cette prudence a toutefois un prix, puisqu'elle allonge une phase de pré-développement déjà longue et coûteuse. Un premier signal est venu de l'Agence de l'innovation en santé, avec un appel à manifestation d'intérêt France 2030 consacré aux nouvelles méthodologies. Stéphanie Allassonnière en juge le financement “presque anecdotique” et retient surtout l'accompagnement proposé avec la haute autorité de santé et la Cnil pour atteindre le niveau de preuve exigé. 

L'anonymat, une condition de l'ouverture des données 

La même exigence de preuve s'applique à l'accès aux données de santé, que la plateforme des données de santé facilite pour plus de 300 projets. Cela même si cet accès reste “encore trop long”, reconnaît Carole Dorfin. La plateforme migre par ailleurs vers un hébergeur souverain, Scaleway, qui doit accueillir à la mi-2027 la base principale du Système National des Données de Santé (SNDS), où sont rassemblées les informations de l'Assurance maladie, en vue de l'espace européen des données de santé. Même harmonisé, l'accès “sera toujours trop long”, d'où l'intérêt des jeux synthétiques comme bac à sable pour affiner un protocole et commencer à entraîner un algorithme en attendant les données réelles. 

Pas question pour autant de transiger sur la vie privée. “On doit aux patients la protection de ces données”, insiste Carole Dorfin. Mandatée par la Délégation au numérique en santé, la PDS anime un groupe de travail avec universitaires et hospitaliers pour bâtir une doctrine garantissant qu'un jeu synthétique est réellement anonyme et qu'aucun patient ne peut être réidentifié, en particulier dans les petites populations.