Après 30 jours avec un scribe IA ambiant, la part des cliniciens déclarant un épuisement professionnel est passée de 51,9% à 38,8% dans six systèmes de santé américains (JAMA Network Open, Olson et al. 2025). Côté temps, le tableau est plus modeste : une étude sur cinq systèmes portant sur 8 581 cliniciens a mesuré 16,0 minutes de documentation en moins pour 8 heures de patients programmées (JAMA, étude multisite 2026), et dans un essai randomisé, un scribe a réduit le temps moyen par note de 41 secondes alors que le groupe témoin gagnait 18 secondes de lui-même (NEJM AI, Lukac et al. 2025). La qualité des notes reste la question ouverte, avec des omissions dans 18% des brouillons d’IA examinés à l’UC Davis (JMIR Medical Informatics 2026). Pour le marché plus large de la documentation autour de ces outils, consultez nos statistiques sur la transcription médicale, et pour la charge de travail qui nourrit la demande, nos statistiques sur l’épuisement et les heures de travail des urgentistes. Nous avons agrégé des données issues de NEJM AI, JAMA, JAMA Network Open, JMIR Medical Informatics, JAMIA, The Permanente Medical Group, l’American Medical Association, Healthwatch England et KLAS Research.
TL;DR
- Un essai randomisé de l’UCLA a attribué à 238 médecins l’un de deux scribes ambiants ou les soins habituels ; un seul scribe a battu le groupe témoin sur le temps par note (NEJM AI, Lukac et al. 2025).
- Dans cinq systèmes universitaires, les adoptants ont gagné 16,0 minutes de documentation pour 8 heures de patients programmées, mais le travail hors horaires n’a pas changé de façon significative (JAMA, étude multisite 2026).
- Les cliniciens de Penn ont réduit leur travail hors horaires de 50,6 à 35,4 minutes par jour (JAMA Network Open, Duggan et al. 2025).
- L’épuisement professionnel est passé de 51,9% à 38,8% après 30 jours d’utilisation d’un scribe (JAMA Network Open, Olson et al. 2025).
- La part des praticiens au-dessus du seuil élevé de fatigue au travail est passée de 56,1% à 35,4% dans un essai stepped-wedge (NEJM AI, Afshar et al. 2025).
- Seulement 21,1% de 8 581 cliniciens avaient adopté un scribe, de 7,1% à 63,6% selon le site (JAMA, étude multisite 2026).
- Les notes rédigées par l’IA contenaient des omissions dans 18% des cas et des hallucinations dans 11,5% de 356 notes examinées (JMIR Medical Informatics, UC Davis 2026).
- Les adoptants d’un scribe ont produit 1,81 unité de valeur relative de plus par semaine, soit environ 3 044 $ par médecin et par an (JAMA Network Open, UCSF 2026).
- 61,8% de 12 153 adultes canadiens étaient réticents à un usage futur des scribes IA, et seulement 28,3% savaient que ces outils étaient utilisés (JAMIA 2026).
- Le consentement des patients est passé de 81,6% après des informations de base à 55,3% après une présentation détaillée du stockage des données et de l’implication des fournisseurs (JAMA Network Open, NYU Langone 2025).
- 81% des adultes britanniques souhaitent qu’on leur demande leur consentement avant l’utilisation d’un scribe IA (Healthwatch England 2026).
1. Essais randomisés : ce que montrent les preuves contrôlées sur le temps par note
Les preuves randomisées sont arrivées fin 2025, et elles recalibrent les attentes. Dans l’essai à trois bras de l’UCLA publié dans NEJM AI, les utilisateurs de Nabla ont raccourci la note moyenne de 41 secondes (de 4 minutes 30 secondes à 3 minutes 49 secondes), mais les médecins en soins habituels l’ont aussi raccourcie de 18 secondes sans aucune IA, et le bras DAX Copilot ne s’est pas distingué du groupe témoin. L’effet net par rapport au groupe témoin était de 23 secondes par note (41 moins 18), bien inférieur à ce que suggérerait la seule baisse brute avant-après, ce qui explique précisément pourquoi les groupes témoins comptent dans cette catégorie.
L’usage en explique une partie. Même dans un essai, les médecins n’ont activé le scribe que pour environ un tiers de leurs consultations, et environ 15% des médecins auxquels un scribe avait été attribué ne l’ont jamais utilisé. L’essai stepped-wedge de l’University of Wisconsin (un schéma dans lequel chaque clinique finit par recevoir l’outil, par vagues randomisées) a observé un usage bien plus intensif, ce qui est l’une des raisons pour lesquelles ses effets semblent plus importants.
| Métrique | Valeur | Source |
|---|---|---|
| Médecins randomisés entre DAX Copilot, Nabla ou les soins habituels (UCLA) | 238 dans 14 spécialités | NEJM AI, Lukac et al. 2025 |
| Variation du temps moyen passé dans la note, par note : bras Nabla contre bras soins habituels | -41 secondes contre -18 secondes | NEJM AI, Lukac et al. 2025 |
| Consultations où le scribe attribué a réellement été utilisé : bras DAX Copilot contre bras Nabla | 33,5% (8 271 sur 24 696) contre 29,5% (6 981 sur 23 653) | NEJM AI, Lukac et al. 2025 |
| Praticiens de l’essai stepped-wedge du Wisconsin et de l’Illinois et taux d’utilisation de l’IA ambiante pondéré par les notes | 66 praticiens, 16 593 consultations ; 71,0% d’utilisation (ET 31,6%) | NEJM AI, Afshar et al. 2025 |
| Part du contenu des notes saisie manuellement, avant contre pendant l’usage du scribe (Penn Medicine, 46 cliniciens dans 17 spécialités) | 11,2% à 7,9% (P < 0,001) | JAMA Network Open, Duggan et al. 2025 |
| Clôture des rendez-vous le jour même, avant contre pendant l’usage du scribe (Penn Medicine) | 66,2% à 72,4% (P < 0,001) | JAMA Network Open, Duggan et al. 2025 |
Contexte : le bras DAX Copilot à l’UCLA a gagné 23 secondes par note, soit -1,7% par rapport au groupe témoin (IC 95%, -9,4% à +5,9% ; P=0.66). Un résultat non significatif dans un essai de deux mois ne prouve pas l’absence d’effet, mais il rappelle que les produits de scribe ne sont pas interchangeables.
2. Temps de DPI hors horaires : la promesse du temps pyjama mise à l’épreuve
Le « temps pyjama » désigne le travail sur le DPI (dossier patient informatisé, EHR en anglais) que les cliniciens effectuent en dehors des heures de consultation programmées, typiquement en terminant leurs notes chez eux le soir. C’est le résultat que les systèmes de santé veulent le plus faire bouger, et c’est là que les preuves divergent le plus. Dans l’étude JAMA sur cinq systèmes, le travail hors horaires n’a varié que de -3,1 minutes pour 8 heures de patients programmées, un résultat que l’intervalle de confiance (-6,8 à 0,5) ne permet pas de distinguer de zéro, et l’essai de l’UCLA n’a lui non plus trouvé aucun changement significatif hors horaires par rapport au groupe témoin.
Les résultats positifs proviennent de l’essai du Wisconsin, très utilisé, d’études monocentriques, d’enquêtes déclaratives ou d’un suivi plus long. L’étude avant-après de Penn a enregistré une baisse d’environ 15 minutes par jour, et une prépublication de Washington University a constaté que le temps pyjama n’avait pas bougé du tout au jour zéro mais était inférieur de 19% au jour 150. Lecture pratique : les gains hors horaires semblent dépendre d’un changement d’habitudes qui prend des mois, et non du simple fait d’activer l’outil.
| Métrique | Valeur | Source |
|---|---|---|
| Travail hors des heures de travail pour 8 heures de patients programmées, adoptants contre non-adoptants (5 systèmes universitaires) | -3,1 minutes (IC 95% -6,8 à 0,5), non significatif | JAMA, étude multisite 2026 |
| Travail hors des heures de travail, essai stepped-wedge | -0,50 heure/jour (IC 95% -0,90 à -0,09 ; P=0.03) | NEJM AI, Afshar et al. 2025 |
| Travail hors horaires par jour, avant contre pendant l’usage du scribe (Penn Medicine, 46 cliniciens) | 50,6 à 35,4 minutes (P=0,02) | JAMA Network Open, Duggan et al. 2025 |
| Temps médian de documentation hors horaires, avant contre après l’adoption (Providence, 1 547 cliniciens) | 22,0 à 20,6 minutes ; baisse durable de 0,38 minute par mois (P=0,02), aucun changement immédiat | JAMA Network Open, Husa et al. 2026 |
| Temps pyjama au jour 150 contre avant l’adoption (220 cliniciens de soins primaires) | -19% (IRR 0,81, intervalle 0,73 à 0,90) ; aucun changement au jour 0 | Prépublication medRxiv, Washington University 2026 |
| Heures hebdomadaires déclarées de rédaction de notes hors des heures de clinique, avant contre après 30 jours | 4,95 à 4,05 heures (-0,90 heure ; P < 0,001) | JAMA Network Open, Olson et al. 2025 |
Note sur les valeurs aberrantes : le résultat hors horaires de l’essai du Wisconsin est devenu non significatif (-0,19 heure, IC 95% -0,40 à 0,03) une fois exclus les 3% d’observations les plus élevées, ce qui signifie que quelques gros travailleurs du soir ont produit l’essentiel de l’effet.
3. Épuisement professionnel, charge cognitive et fatigue au travail
L’épuisement professionnel est le résultat sur lequel les scribes ambiants paraissent les plus convaincants, et il évolue plus vite que n’importe quelle mesure de temps. Dans l’étude Olson sur six systèmes, la prévalence de l’épuisement a chuté de 13,1 points de pourcentage en 30 jours (51,9% à 38,8% ; aOR 0,26, IC 95% 0,13 à 0,54 ; P < 0,001), tandis que la charge cognitive liée aux notes est passée de 7,10 à 4,46 sur une échelle de 10 points. Une lecture plausible est que le soulagement vient moins des minutes gagnées que de l’absence de saisie pendant l’écoute, ce qui expliquerait pourquoi l’épuisement s’améliore même là où le temps mesuré par les journaux varie à peine.
Le bémol tient à la conception. L’étude Olson n’avait pas de groupe témoin, et les enquêtes de Mass General Brigham et d’Emory ont obtenu des taux de réponse de 11% à 30%, de sorte que les utilisateurs les plus satisfaits sont peut-être surreprésentés. Les essais randomisés montrent aussi une amélioration, mais plus faible : à l’UCLA, le score composite d’épuisement Mini-Z s’est amélioré de moins de 3 points sur une échelle de 10 à 50 pour les deux scribes. Les médecins s’y attendent déjà : 70% voient dans l’IA un moyen d’automatiser les tâches qui contribuent à l’épuisement (AMA, enquête auprès des médecins sur l’intelligence augmentée 2026).
| Métrique | Valeur | Source |
|---|---|---|
| Cliniciens déclarant un épuisement contre un épuisement sévère, avant contre après 30 jours avec le scribe (6 systèmes, 186 cliniciens dans les modèles d’épuisement) | Épuisement 51,9% à 38,8% ; épuisement sévère 18,4% à 12,2% (post hoc, P = 0,01) | JAMA Network Open, Olson et al. 2025 |
| Charge cognitive liée aux notes, échelle de 10 points, avant contre après | 7,10 à 4,46 (P < 0,001) | JAMA Network Open, Olson et al. 2025 |
| Praticiens au-dessus du seuil élevé de fatigue au travail, début contre fin de l’essai | 56,1% à 35,4% | NEJM AI, Afshar et al. 2025 |
| Score composite d’épuisement Mini-Z (10 à 50), variation par rapport au groupe témoin | DAX +2,83 (IC 95% +1,28 à +4,37) ; Nabla +2,69 (IC 95% +1,14 à +4,23) | NEJM AI, Lukac et al. 2025 |
| Cliniciens d’Emory déclarant un effet positif de la documentation sur le bien-être, variation absolue à 60 jours | +30,7 points de pourcentage (taux de réponse à l’enquête de 11%) | Mass General Brigham, You et al. JAMA Network Open 2025 |
| Taux de réponse à l’enquête de Mass General Brigham à 42 jours contre 84 jours | Environ 30% contre 22% | Mass General Brigham, You et al. 2025 |
| Gain de satisfaction professionnelle à la Hattiesburg Clinic : premier fournisseur de scribe contre second fournisseur | +17% contre +13% | AMA, rapport sur les usages de l’IA par les médecins 2025 |
Contexte : l’épanouissement professionnel dans l’essai du Wisconsin a gagné 0,14 point (P=0.04), ce que les auteurs ont jugé non significatif parce que chaque critère co-primaire devait franchir le seuil P < 0.025.
4. Adoption : jusqu’où les scribes se sont répandus dans les systèmes de santé
Avoir accès à l’outil ne signifie pas l’utiliser. Dans cinq grands systèmes universitaires, seulement 21,1% des 8 581 cliniciens exerçant en ambulatoire avaient adopté un scribe IA, avec un écart de 7,1% à Mass General Brigham à 63,6% à Yale New Haven Health, et seulement 32% environ des adoptants l’utilisaient pour la moitié ou plus de leurs notes. Le tableau des enquêtes nationales est cohérent : la documentation est l’un des principaux cas d’usage de l’IA, mais moins d’un tiers des médecins utilisent l’IA pour les notes de consultation.
Là où l’adoption est élevée, elle devient une habitude. Parmi 102 médecins de médecine adulte et de médecine familiale de Permanente interrogés, les deux tiers utilisaient le scribe 5 jours ou plus par semaine et 63% l’utilisaient à chaque consultation en personne (The Permanente Medical Group, NEJM Catalyst 2025). L’écart d’adoption entre les systèmes tient donc moins à la question de savoir si les médecins apprécient l’outil qu’à la manière dont chaque organisation le déploie : dans 4 des 5 systèmes universitaires, les adoptants ont choisi eux-mêmes d’y participer, et le calendrier de déploiement s’est étalé de juin 2023 à août 2025.
| Métrique | Valeur | Source |
|---|---|---|
| Médecins américains utilisant l’IA pour documenter les codes de facturation, les dossiers médicaux ou les notes de consultation | 28% (enquête auprès de près de 1 700 médecins) | AMA, enquête auprès des médecins sur l’intelligence augmentée 2026 |
| Médecins américains utilisant l’IA pour créer des consignes de sortie, des plans de soins ou des notes d’évolution | 30% | AMA, enquête auprès des médecins sur l’intelligence augmentée 2026 |
| Cliniciens ayant adopté un scribe IA dans 5 systèmes universitaires, global puis site le plus bas contre le plus haut | 21,1% (1 809 sur 8 581) ; 7,1% à Mass General Brigham contre 63,6% à Yale New Haven Health | JAMA, étude multisite 2026 |
| Adoptants utilisant le scribe pour 50% ou plus de leurs notes | Environ 32% (577 adoptants) | JAMA, étude multisite 2026 |
| Cliniciens de Providence qui étaient des utilisateurs actifs d’IA ambiante, janvier 2024 contre mars 2025 | 0,1% à 28,8% | JAMA Network Open, Husa et al. 2026 |
| Médecins de l’UCSF ayant adopté un scribe contre part des consultations qu’ils ont traitées avec lui | 44,6% de 1 565 médecins contre 15,2% des consultations | JAMA Network Open, UCSF 2026 |
| Médecins de Permanente ayant adopté le scribe dans les 10 premières semaines d’un déploiement en 2023 | 3 442 sur 10 000 invités, sur 303 266 consultations | AMA, rapport sur le pilote de Permanente 2024 |
Contexte : à Providence, les utilisateurs actifs ne représentaient qu’environ 8% de l’ensemble des cliniciens sur toute la période de l’étude, ce qui rappelle qu’un « déploiement » à l’échelle du système peut coexister avec une faible pénétration moyenne.
5. Productivité, facturation et question du retour sur investissement
L’argument financier est réel mais modeste. Les adoptants de l’UCSF ont généré 1,81 unité de valeur relative de plus par semaine (RVU, l’unité Medicare qui mesure le travail médical facturable), ce que les auteurs ont traduit par environ 3 044 $ par médecin et par an aux tarifs Medicare de 2025, sans différence dans les refus de remboursement (JAMA Network Open, UCSF 2026). Il s’agit d’estimations de revenus bruts, et non d’un retour sur investissement mesuré.
Le signal de facturation mérite d’être examiné de près. Une partie du gain en RVU peut venir d’une meilleure saisie d’un travail qui a toujours été fait, et une autre d’une intensité de codage accrue. Une validation de KLAS portant sur un fournisseur a montré que les codes de consultation de suivi de niveau 3 reculaient de 18,2% tandis que les codes de niveau 4 progressaient de 7,3% et ceux de niveau 5 de 5,0% à McLeod Health, et les auteurs de l’UCSF soulignent explicitement que les travaux futurs devront distinguer un codage exact du surcodage (upcoding).
| Métrique | Valeur | Source |
|---|---|---|
| RVU par semaine, adoptants du scribe contre non-adoptants (UCSF, 1,2 million de consultations) | +1,81 (IC 95% 0,86 à 2,75 ; P < 0,001) | JAMA Network Open, UCSF 2026 |
| Consultations de patients par semaine, adoptants contre non-adoptants (UCSF) | +0,80 (IC 95% 0,05 à 1,56 ; P = 0,04) | JAMA Network Open, UCSF 2026 |
| Visites hebdomadaires supplémentaires et revenu mensuel exploratoire d’évaluation et de prise en charge par clinicien adoptant (5 systèmes universitaires) | +0,49 visite (IC 95% 0,17 à 0,81), soit 1,7% de hausse ; 167,37 $ par mois (IC 95% 86,52 $ à 248,21 $) | JAMA, étude multisite 2026 |
| RVU médian, avant contre après l’adoption (Providence) | 382,3 à 399,1 (P < 0,001) ; aucun changement significatif du nombre de rendez-vous par jour | JAMA Network Open, Husa et al. 2026 |
| RVU de travail au jour 150 contre avant l’adoption (soins primaires) | +2% (IRR 1,02) | Prépublication medRxiv, Washington University 2026 |
| Score de conformité du codage des diagnostics (CIM-10), de 0 à 10 : notes d’IA ambiante contre notes rédigées par des humains | 6,87 contre 5,94 (P<0.001) | NEJM AI, Afshar et al. 2025 |
| Temps passé dans les notes et gain net mensuel par prestataire à McLeod Health (validation propre à un fournisseur, Suki) | -26,8% de temps dans les notes ; 1 004 $ de gain net par prestataire et par mois ; codes de consultation de suivi de niveau 3 : -18,2% | KLAS Research, Suki ROI Validations 2026 (rapport propre à un fournisseur, relayé par HIT Consultant) |
Contexte : les chiffres de KLAS décrivent les clients d’un seul fournisseur et ne constituent pas une référence pour la catégorie ; FMOL Health, dans le même rapport, a enregistré une réduction de 21% du temps passé dans les notes.
6. Exactitude des notes, erreurs et charge de relecture
L’audit en conditions réelles le plus détaillé à ce jour vient de l’UC Davis, où des évaluateurs ont lu 356 des 7 545 notes rédigées par l’IA. Des omissions sont apparues dans 18% des notes examinées et des hallucinations (contenu rédigé par l’IA qui n’avait pas été dit pendant la consultation) dans 11,5%, tandis que 5,3% comportaient des erreurs jugées présenter un risque grave ou imminent (JMIR Medical Informatics, UC Davis 2026). Autrement dit, 19 des 356 brouillons échantillonnés nécessitaient une correction importante pour la sécurité, ce qui explique pourquoi les auteurs concluent que la relecture par le clinicien reste nécessaire.
Les taux d’erreur dépendent fortement de qui compte et de la manière de compter. Un audit publié en prépublication en août 2026 sur trois scribes commerciaux a trouvé une défaillance vérifiée dans 31,3% des notes, tout en montrant que, selon la norme de relecture utilisée, entre 28% et 97% des notes échantillonnées comportaient une défaillance (prépublication arXiv 2026). Des résultats antérieurs, plus favorables, provenaient du pilote de Permanente de 2024, qui a noté 35 transcriptions en moyenne 48 sur 50 sur l’exactitude et les mesures associées, et de l’essai du Wisconsin, qui a relevé un langage stigmatisant dans moins de 1% des notes (12 notes). La couche de transcription sous-jacente à ces notes présente ses propres écarts d’exactitude selon le locuteur, abordés dans nos statistiques sur le biais d’accent en reconnaissance vocale.
| Métrique | Valeur | Source |
|---|---|---|
| Notes rédigées par l’IA et examinées comportant des omissions accidentelles (UC Davis, 356 notes) | 18% (64 notes) | JMIR Medical Informatics, UC Davis 2026 |
| Notes examinées comportant du contenu halluciné | 11,5% (41 notes) | JMIR Medical Informatics, UC Davis 2026 |
| Notes examinées comportant des ajouts accidentels contre un biais | 9,3% (33 notes) contre 1,1% (4 notes) | JMIR Medical Informatics, UC Davis 2026 |
| Notes examinées comportant des erreurs jugées de risque grave ou imminent (gravité 4 à 5) | 5,3% (19 notes) | JMIR Medical Informatics, UC Davis 2026 |
| Part médiane des mots générés par l’IA modifiés par les médecins contre notes laissées sans modification | 9,0% contre 14,9% (143 sur 960) | JMIR Medical Informatics, UC Davis 2026 |
| Qualité globale des notes sur l’échelle PDQI-9, consultations simulées de spécialistes (VA, 2 produits) | 36,2 sur 50 ; exhaustivité, l’élément le plus faible, à 3,4 sur 5 | JAMA Network Open, étude de simulation de la VA 2026 |
| Notes comportant au moins une défaillance vérifiée, 3 scribes commerciaux, 142 consultations (prépublication) | 31,3% [27,0 ; 35,6] | Prépublication arXiv 2026 |
| Fréquence d’inexactitudes cliniquement significatives évaluée par les médecins, échelle de 5 points (2 = rarement, 3 = occasionnellement) | DAX 2,7 ; Nabla 2,8 ; un événement indésirable bénin dans l’essai | NEJM AI, Lukac et al. 2025 |
Contexte : l’étude de la VA a nommé les types d’erreurs que les cliniciens redoutaient le plus, notamment des constatations d’examen physique fabriquées et des négatifs pertinents omis, et un participant d’hématologie-oncologie les a qualifiés de « gros problèmes de sécurité ».
7. Acceptation par les patients et consentement
Dans les cliniques américaines, les patients disent rarement non. Dans l’essai du Wisconsin, 99,92% des patients ont consenti à l’enregistrement ambiant, avec seulement 22 refus (NEJM AI, Afshar et al. 2025). Les enquêtes auprès du public racontent une histoire plus prudente, et l’écart tient surtout à l’information : le confort diminue quand les patients apprennent où va l’audio et quelles entreprises sont impliquées.
L’étude de NYU sur le consentement montre directement cet effet. Le consentement atteignait 81,6% après des informations de base sur la technologie, mais 55,3% après une explication détaillée des fonctions d’IA, du stockage des données et de l’implication des entreprises (JAMA Network Open, NYU Langone 2025). Au Royaume-Uni, le confort chute de 48% pour un bilan de santé de routine à 23% pour une consultation portant sur les violences conjugales (Healthwatch England 2026). Les échanges sur le consentement en contexte multilingue ajoutent une couche supplémentaire, abordée dans nos statistiques sur les interprètes médicaux en hôpital.
| Métrique | Valeur | Source |
|---|---|---|
| Patients du pilote de NYU à l’aise avec la documentation ambiante au départ (103 patients) | 74,8% (77 patients) | JAMA Network Open, NYU Langone 2025 |
| Patients du pilote de NYU qui consentiraient après des informations de base contre après une présentation détaillée des fonctions d’IA, du stockage des données et de l’implication des entreprises | 81,6% (84) contre 55,3% (57) | JAMA Network Open, NYU Langone 2025 |
| Patients du pilote de NYU qui ne voulaient pas que leurs données soient partagées avec le fournisseur | 59,2% (61 patients) | JAMA Network Open, NYU Langone 2025 |
| Adultes canadiens réticents à un usage futur d’un scribe IA contre conscients que des scribes IA sont utilisés (12 153 adultes) | 61,8% contre 28,3% | JAMIA, Chandrasekaran et Moustakas 2026 |
| Adultes britanniques qui veulent que les cliniciens demandent leur consentement avant d’utiliser un scribe IA (4 039 adultes) | 81% | Healthwatch England, sondage YouGov 2026 |
| Adultes britanniques ayant eu un rendez-vous récent qui ignoraient qu’un scribe IA était utilisé | Près de 90% de 2 795 | Healthwatch England, sondage YouGov 2026 |
| Adultes britanniques plutôt ou très à l’aise avec un scribe IA : bilan de santé de routine contre consultation pour violences conjugales | 48% contre 23% | Healthwatch England, sondage YouGov 2026 |
| Patients de Permanente à l’aise contre mal à l’aise avec le scribe (118 patients) | Deux tiers contre 8% (26% neutres) | The Permanente Medical Group, NEJM Catalyst 2025 |
Contexte : au Royaume-Uni, le soutien à un déploiement à l’échelle du NHS est presque également partagé, 38% pour et 37% contre, et l’opposition forte (21%) est presque deux fois plus élevée que le soutien fort (11%).
Résumé : le scribe médical IA ambiant en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Épuisement avant contre après 30 jours d’utilisation du scribe (6 systèmes) | 51,9% à 38,8% | JAMA Network Open, Olson et al. 2025 |
| Praticiens au-dessus du seuil élevé de fatigue au travail, début contre fin de l’essai | 56,1% à 35,4% | NEJM AI, Afshar et al. 2025 |
| Temps de documentation pour 8 heures de patients programmées, adoptants contre non-adoptants | -16,0 minutes (environ -10%) | JAMA, étude multisite 2026 |
| Variation du temps moyen par note : bras Nabla contre groupe témoin (randomisé) | -41 secondes contre -18 secondes | NEJM AI, Lukac et al. 2025 |
| Travail hors horaires par jour, Penn Medicine | 50,6 à 35,4 minutes | JAMA Network Open, Duggan et al. 2025 |
| Temps pyjama au jour 150, soins primaires (prépublication) | -19% | Prépublication medRxiv, Washington University 2026 |
| Cliniciens ayant adopté un scribe dans 5 systèmes universitaires | 21,1% | JAMA, étude multisite 2026 |
| Utilisateurs actifs d’IA ambiante à Providence, janv. 2024 contre mars 2025 | 0,1% à 28,8% | JAMA Network Open, Husa et al. 2026 |
| Médecins utilisant l’IA pour les codes de facturation, les dossiers ou les notes de consultation | 28% | AMA, enquête auprès des médecins sur l’intelligence augmentée 2026 |
| RVU par semaine, adoptants contre non-adoptants (UCSF) | +1,81 | JAMA Network Open, UCSF 2026 |
| Revenu supplémentaire estimé par médecin et par an (UCSF) | Environ 3 044 $ | JAMA Network Open, UCSF 2026 |
| Notes d’IA examinées comportant des omissions / hallucinations / erreurs de risque grave ou imminent | 18% / 11,5% / 5,3% | JMIR Medical Informatics, UC Davis 2026 |
| Notes comportant une défaillance vérifiée, 3 scribes commerciaux (prépublication) | 31,3% | Prépublication arXiv 2026 |
| Consentement des patients à l’enregistrement ambiant (essai américain) | 99,92% | NEJM AI, Afshar et al. 2025 |
| Consentement des patients après une présentation détaillée contre des informations de base (NYU) | 55,3% contre 81,6% | JAMA Network Open, NYU Langone 2025 |
| Adultes canadiens réticents à un usage futur d’un scribe IA | 61,8% | JAMIA 2026 |
| Adultes britanniques souhaitant qu’on leur demande leur consentement | 81% | Healthwatch England 2026 |
Méthodologie et sources
Nous avons privilégié les essais randomisés et les études évaluées par des pairs menées dans des systèmes de santé, n’avons utilisé les communiqués de presse que lorsqu’ils résumaient un article nommé, et avons signalé comme tels les prépublications et les rapports propres à un fournisseur. Aucun chiffre de ce tour d’horizon ne provient de données VoxBooster.
- NEJM AI, Lukac et al. 2025, Ambient AI Scribes in Clinical Practice: A Randomized Trial (UCLA), avec le communiqué d’UCLA Health
- NEJM AI, Afshar et al. 2025, A Pragmatic Randomized Controlled Trial of Ambient AI to Improve Health Practitioner Well-Being (University of Wisconsin)
- JAMA 2026, Changes in Clinician Time Expenditure and Visit Quantity With Adoption of AI-Powered Scribes: A Multisite Study
- JAMA Network Open, Olson et al. 2025, Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout
- JAMA Network Open, Duggan et al. 2025, Clinician Experiences With Ambient Scribe Technology (Penn Medicine)
- JAMA Network Open, Husa et al. 2026, Ambient AI Use and Clinician Documentation Burden, Productivity, and Efficiency (Providence)
- JAMA Network Open 2026, Ambient AI Scribes and Physician Financial Productivity (UCSF)
- Prépublication medRxiv 2026, Longitudinal Effects of Ambient AI Scribe Use in Primary Care (Washington University), non évaluée par des pairs
- The Permanente Medical Group, bilan à un an de NEJM Catalyst 2025, résumé par la Division of Research de Kaiser Permanente
- AMA, enquête auprès des médecins sur l’intelligence augmentée 2026
- AMA, rapport sur les usages de l’IA par les médecins et le pilote de la Hattiesburg Clinic 2025
- AMA, rapport sur le pilote de 10 semaines de Permanente 2024
- Mass General Brigham, communiqué sur You et al. JAMA Network Open 2025 (Mass General Brigham et Emory)
- JMIR Medical Informatics 2026, Quality of Clinical Notes Created by Ambient Listening Generative AI (UC Davis)
- JAMA Network Open 2026, Ambient Scribe Technology in Simulated Patient Encounters Across Specialties (Veterans Health Administration)
- Prépublication arXiv 2026, One note in three: a verified census of three deployed AI scribes, non évaluée par des pairs
- JAMA Network Open 2025, Informed Consent for Ambient Documentation Using Generative AI in Ambulatory Care (NYU Langone)
- JAMIA 2026, Patient attitudes toward ambient AI scribes in clinical care (enquête canadienne)
- Healthwatch England 2026, What does the public think about AI scribe use in healthcare (sondage YouGov)
- KLAS Research, Suki ROI Validations 2026, rapport propre à un fournisseur relayé par HIT Consultant
- Note sur les données : la plupart des tailles d’effet présentées ici proviennent de conceptions avant-après non randomisées ou observationnelles avec des adoptants autosélectionnés ; ce sont donc des associations et non la preuve d’une cause, et seuls les essais de l’UCLA et du Wisconsin sont randomisés. L’article de Penn rapporte une réduction de 30,0% du travail hors horaires dans son résumé mais -16,9% dans son Tableau 2, et son résumé dit « par jour travaillé » là où le tableau dit « par jour programmé ». L’étude Olson convertit sa variation hebdomadaire du travail hors horaires en 10,8 minutes par jour travaillé, une estimation dérivée, et plusieurs de ses auteurs ont des liens avec le fournisseur dont le scribe a été étudié. L’article de simulation de la VA donne le score de neurologie à 42,2 dans le texte et à 41,2 dans son tableau. Les enquêtes sur l’épuisement à Mass General Brigham et à Emory ont obtenu des taux de réponse de 11% à 30%. Les études de Washington University et d’arXiv sont des prépublications et peuvent changer avant l’évaluation par des pairs, et les chiffres de KLAS décrivent les clients d’un seul fournisseur. Les chiffres de l’enquête auprès des médecins de Permanente (102 répondants) et de l’enquête auprès des patients (118 répondants) proviennent de petits échantillons issus d’un seul groupe médical. La prochaine enquête de l’AMA sur l’intelligence augmentée et un suivi plus long de la cohorte JAMA des cinq systèmes, dont les estimations les plus robustes ne couvrent qu’environ 5 mois après l’adoption, sont les nouvelles données les plus importantes attendues.
Dernière mise à jour : 24 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lorsque l’AMA publiera son enquête 2027 auprès des médecins sur l’intelligence augmentée.