Marché de l’intelligence artificielle en imagerie médicale Taille et part 2026-2035

Taille du marché de l’IA en imagerie médicale

Le marché mondial de l’IA en imagerie médicale était évalué à 2,1 milliards de dollars (USD) en 2025 et devrait atteindre 19,6 milliards de dollars (USD) d’ici 2035, avec un taux de croissance annuel composé (CAGR) de 23,9 % entre 2026 et 2035. Le marché devrait atteindre une valeur estimée à 2,8 milliards de dollars (USD) en 2026.

L’imagerie assistée par l’IA s’intègre désormais à l’infrastructure du diagnostic clinique plutôt qu’à un créneau logiciel autonome, les systèmes de santé combinant l’interprétation des images, la priorisation des cas, la production de comptes rendus et la coordination des soins au sein de flux de travail connectés. La Food and Drug Administration des États-Unis avait autorisé plus de 1 500 dispositifs médicaux intégrant l’IA à la mi-2026, la radiologie représentant environ 76 % des autorisations. ^{[1]U.S. Food and Drug Administration, "Artificial Intelligence and Machine Learning in Software as a Medical Device," fda.gov}

Le marché couvre les revenus issus des logiciels et des plateformes générés par les outils d’IA utilisés pour analyser les images médicales, hiérarchiser les listes de travail en imagerie, contribuer au diagnostic, améliorer la qualité de l’acquisition ou de la reconstruction, automatiser la production de comptes rendus et orienter la planification des traitements. Il inclut les déploiements dans le cloud et sur site pour la radiographie, la tomodensitométrie, l’imagerie par résonance magnétique, l’échographie, l’imagerie moléculaire, l’imagerie nucléaire et d’autres modalités fondées sur l’image. Les revenus issus du matériel d’imagerie dépourvu de composant logiciel ou algorithmique d’IA ne relèvent pas du périmètre du marché.

Les estimations du marché combinent une évaluation ascendante de l’activité des plateformes des fournisseurs et des cas d’utilisation liés au déploiement clinique avec une validation descendante fondée sur les tendances des autorisations réglementaires, la disponibilité des infrastructures d’imagerie et la demande en matière de flux de travail diagnostiques. Les données de l’OCDE indiquent que la disponibilité et l’utilisation des examens de tomodensitométrie et d’IRM continuent de progresser dans les pays membres, renforçant la base d’actes qui soutient l’économie des logiciels d’imagerie fondés sur l’IA. ^{[2]Organisation for Economic Co-operation and Development, "Health at a Glance 2025," oecd.org}

Principaux facteurs de croissance

Avancées technologiques dans le domaine de l'IA

L'apprentissage profond, les architectures de transformeurs et la vision par ordinateur élargissent l'utilisation de l'IA dans l'analyse d'images, la reconstruction, l'automatisation des flux de travail et l'aide à la décision clinique. Des études contrôlées ont fait état de scores de Dice supérieurs à 95 % pour la segmentation du foie, tandis que des méta-analyses situent les performances de détection des nodules pulmonaires par l'IA sur les radiographies thoraciques et les scanners à des valeurs d'AUC comprises entre 0,864 et 0,937. ^{[3]PMC National Library of Medicine, "Deep Learning Approaches in Medical Image Analysis," pmc.ncbi.nlm.nih.gov} La FDA a autorisé 295 dispositifs médicaux intégrant l'IA/ML en 2025, la radiologie représentant 75 % des autorisations. Ce volume d'autorisations élargit l'offre de produits commerciaux accessible aux hôpitaux de proximité et aux centres d'imagerie ambulatoire.

La pénurie de radiologues accélère l'adoption de l'IA

Le recours à l'imagerie devrait progresser de 16,9 % à 26,9 % d'ici 2055, tandis que les effectifs de radiologues devraient augmenter de 25,7 % dans les conditions actuelles de formation en résidence. ^{[4]Harvey L. Neiman Health Policy Institute, "Radiologist Workforce and Imaging Utilization Projections," neimanhpi.org} Le déséquilibre entre l'offre et la demande modifie le rôle commercial de l'IA, qui ne se limite plus à une amélioration marginale de la productivité et devient un soutien aux capacités des flux de travail. Les systèmes de triage peuvent faire remonter les cas de suspicion d'hémorragie, d'occlusion d'un gros vaisseau, d'embolie pulmonaire et de dissection aortique avant même que le radiologue ne commence sa lecture de routine. Les outils de rédaction automatisée des comptes rendus réduisent également le temps consacré à la documentation répétitive, même si la responsabilité clinique finale reste celle du clinicien interprétant les examens.

Amélioration de la précision diagnostique et de la planification des traitements

Les systèmes d'apprentissage profond ont atteint des valeurs d'AUC comprises entre 0,868 et 0,909 pour la détection du cancer du sein en mammographie, échographie, IRM et tomosynthèse mammaire numérique. ^{[5]PubMed National Library of Medicine, "Deep Learning for Breast Cancer Detection: Systematic Review and Meta-Analysis," pubmed.ncbi.nlm.nih.gov} La confiance diagnostique est particulièrement précieuse lorsque la détection précoce ou la cohérence des mesures modifie le choix ultérieur du traitement. L'IA contribue également à la planification de la radiothérapie grâce à la segmentation des organes à risque, au contourage des tumeurs et à l'optimisation des doses. À mesure que les données probantes s'accumulent, les décisions d'achat porteront de plus en plus sur les performances en conditions réelles auprès des populations locales de patients, plutôt que sur les seuls scores obtenus dans des environnements contrôlés.

La hausse des investissements en R&D soutient l'innovation et l'expansion du marché

Les financements de la recherche et les investissements privés font progresser la reconstruction IRM à faible dose, l'imagerie cardiaque assistée par l'IA et l'intégration multimodale des données cliniques. L'Institut national d'imagerie biomédicale et de bio-ingénierie soutient des programmes de recherche dans ces domaines techniques. ^{[6]National Institutes of Health, "National Institute of Biomedical Imaging and Bioengineering Research Programs," nih.gov} Les investissements se concentrent sur les applications en oncologie et en cardiologie, où les parcours cliniques et le potentiel de remboursement sont plus matures. À terme, l'augmentation des ensembles de données d'entraînement et les architectures de modèles de fondation pourraient faire évoluer la différenciation, qui ne reposerait plus sur les seules performances d'algorithmes isolés, mais sur l'adaptabilité des modèles, leur gouvernance et l'ampleur de leur déploiement.

Principaux freins

Processus d'approbation réglementaire lent

Les développeurs européens doivent se conformer au règlement sur les dispositifs médicaux (règlement (UE) 2017/745 relatif aux dispositifs médicaux, ou MDR de l'UE), ainsi qu'au règlement (UE) 2024/1689 sur l'intelligence artificielle. Les orientations publiées en juin 2025 ont clarifié l'interaction entre ces deux cadres pour les dispositifs médicaux intégrant l'IA. ^{[7]European Commission Health and Food Safety, "MDCG 2025-6 Guidance on Medical Devices Regulation and the AI Act," health.ec.europa.eu} Aux États-Unis, le délai médian d'autorisation des dispositifs médicaux intégrant l'IA et l'apprentissage automatique a atteint 142 jours en 2025. Ces délais peuvent retarder la commercialisation, accroître les besoins en personnel réglementaire et limiter les fournisseurs de plus petite taille disposant de réserves de financement plus restreintes.

Risque de problèmes de sécurité des patients liés aux erreurs diagnostiques pilotées par l'IA

Les modèles entraînés sur des jeux de données universitaires sélectionnés peuvent être moins performants dans les établissements de proximité, où les protocoles d'acquisition, la prévalence des maladies et les caractéristiques démographiques des patients diffèrent de ceux des populations utilisées pour leur développement. ^{[4]Harvey L. Neiman Health Policy Institute, "Radiologist Workforce and Imaging Utilization Projections," neimanhpi.org} Cette contrainte est particulièrement importante en oncologie et en neurologie, où les faux négatifs, les faux positifs ou une priorisation incorrecte peuvent influencer les décisions cliniques. La surveillance en conditions réelles, la validation locale, la supervision par les cliniciens et la surveillance après commercialisation restent donc essentielles à l'adoption. Les fournisseurs capables de démontrer une stabilité des performances sur plusieurs sites bénéficieront d'une position plus solide dans les processus d'achat des grandes organisations.

Analyse par segment du marché de l'intelligence artificielle en imagerie médicale

Par mode de déploiement

Les solutions basées sur le cloud représentaient 57,6 % des revenus du marché en 2025. Le déploiement dans le cloud permet des mises à jour rapides, une puissance de calcul évolutive pour les grands jeux de données d'imagerie et une réduction des besoins en investissements initiaux pour les hôpitaux et les réseaux de diagnostic. La plateforme Edison de GE HealthCare et le système d'exploitation natif du cloud d'Aidoc illustrent la manière dont les fournisseurs peuvent distribuer des flux de travail faisant appel à plusieurs algorithmes au sein des réseaux hospitaliers. La connectivité au cloud permet également de standardiser les mises à jour logicielles et de centraliser la surveillance des performances.

Les systèmes sur site détenaient une part de 42,4 % en 2025. Les centres médicaux universitaires, les hôpitaux publics et les établissements soumis à des règles strictes de localisation des données continuent d'exiger un déploiement local.

Siemens Healthineers et Philips Healthcare conservent un avantage dans ce segment grâce à leurs relations établies avec les fabricants de matériel d’imagerie. Les architectures hybrides deviendront plus courantes d’ici à 2030, car elles maintiennent localement l’inférence sensible à la latence tout en transférant les mises à jour, l’entraînement et les analyses non critiques vers des environnements cloud.

Par modalité

La radiographie détenait la plus grande part parmi les modalités, avec 27,1 % en 2025. Sa base installée, son volume élevé d’examens et ses ensembles de données étendus soutiennent les applications en imagerie thoracique, détection des fractures, imagerie dentaire et dépistage de la tuberculose. Lunit INSIGHT CXR, les outils d’Aidoc, Annalise.ai Enterprise CXR et les plateformes de Subtle Medical illustrent l’ampleur de l’activité commerciale dans le domaine de l’IA appliquée aux images. Les outils de radiographie thoracique ont affiché des valeurs d’AUC proches de 0,93 dans des travaux évalués par des pairs. 

La tomodensitométrie détenait une part de 24,5 %. Les applications de tomodensitométrie comprennent la détection des nodules pulmonaires, la segmentation du foie, la quantification des calcifications coronaires, le triage des accidents vasculaires cérébraux et l’analyse vasculaire. Canon Medical Systems et Siemens Healthineers intègrent la reconstruction et l’analyse assistées par IA dans les environnements d’acquisition en tomodensitométrie. Les volumes élevés d’images et la complexité de leur interprétation font de la tomodensitométrie un segment central pour le déploiement de l’IA en entreprise.

L’IRM représentait 17,6 % de la part du marché. L’IA appliquée à l’IRM prend en charge la segmentation des lésions, la reconstruction accélérée, l’évaluation de la prostate, la quantification cardiaque et la correction des mouvements. SubtleMR améliore la qualité des images et peut réduire le temps d’acquisition sur les systèmes de 1,5 T et de 3 T. Les initiatives de recherche soutenues par le National Institute of Biomedical Imaging and Bioengineering comprennent la reconstruction par apprentissage profond d’images IRM à faible dose et avec produit de contraste. 

L’échographie détenait une part de 12,3 %. L’acquisition guidée par l’IA, la biométrie fœtale, l’analyse échocardiographique, la classification des nodules thyroïdiens et l’assistance au point d’intervention génèrent une demande qui dépasse les services de radiologie conventionnels. Le système iQ+ de Butterfly Network associe l’échographie portative à une optimisation et à une assistance à l’interprétation pilotées par l’IA. Ce segment bénéficiera des modèles de déploiement en clinique et de télésanté jusqu’en 2035.

L’imagerie moléculaire représentait 8,7 % de la part du marché, tandis que l’imagerie nucléaire en représentait 6,5 %. Les applications de TEP, TEMP, TEP/TDM et TEP/IRM se concentrent sur la quantification des traceurs, la détection des lésions, l’évaluation de la réponse au traitement et la dosimétrie théranostique. Les données de l’Organisation de coopération et de développement économiques (OECD) indiquent une disponibilité croissante des scanners TEP dans les pays membres. Les outils d’IA en médecine nucléaire de GE HealthCare, intégrés aux systèmes TEMP/TDM, montrent comment des modalités spécialisées peuvent prendre en charge des cas d’usage de l’IA à forte valeur ajoutée et à plus faible volume.

Les autres modalités représentaient 3,3 % de la part du marché et comprennent la tomographie par cohérence optique, l’anatomopathologie numérique, la dermatoscopie, l’endoscopie par capsule et l’imagerie rétinienne. Les systèmes d’IA appliqués à l’analyse de la tomographie rétinienne par cohérence optique ont affiché des valeurs d’AUC comprises entre 0,933 et 1,00 pour certaines pathologies. Le déploiement commercial reste moins avancé que dans la radiographie ou la tomodensitométrie, mais ces modalités étendent le diagnostic assisté par IA aux soins primaires et aux environnements de soins spécialisés.

Par indication

L’imagerie pulmonaire arrivait en tête, avec une part de 22,8 % en 2025. Le dépistage par tomodensitométrie à faible dose, la radiographie thoracique, la détection de la tuberculose, l’évaluation de la BPCO et la prise en charge des nodules pulmonaires génèrent une demande importante d’assistance par l’IA. La suite pulmonaire d’Aidoc et Lunit INSIGHT CXR sont des plateformes commerciales de premier plan. L’élargissement des critères d’éligibilité au dépistage du cancer du poumon aux États-Unis et au Royaume-Uni augmentera le volume d’interprétation et renforcera la demande d’outils de triage et de détection.

L’imagerie mammaire représentait 18,1 % de la part du marché. La mammographie, la tomosynthèse mammaire numérique, l’échographie et les applications d’IRM bénéficient d’une validation clinique avancée. Genius AI Detection 2.0 de Hologic a obtenu une autorisation 510(k) de la FDA en 2025.L’IA servira de plus en plus de co-lecteur et de couche de contrôle qualité dans les programmes de dépistage, plutôt que de remplacer l’examen spécialisé.

Les applications cardiovasculaires représentaient 17,6 % de part de marché et sont appelées à devenir l’indication affichant la croissance la plus rapide. La plateforme d’angiographie coronaire par tomodensitométrie de Cleerly quantifie les plaques et les sténoses à partir des données de TDM, tandis que l’échocardiographie assistée par l’IA automatise l’analyse de la fraction d’éjection et des mouvements pariétaux. La maturité du remboursement et l’utilisation accrue de l’angiographie coronaire par tomodensitométrie soutiendront l’adoption commerciale jusqu’en 2035.

L’orthopédie détenait 15,4 % de part de marché. La détection des fractures en urgence, l’évaluation de l’âge osseux, la gradation des fractures vertébrales, l’évaluation des implants et le dépistage de l’ostéoporose constituent un cas d’utilisation à fort volume. L’expansion de RapidAI dans les applications musculosquelettiques illustre une évolution au-delà de l’AVC aigu et de l’imagerie vasculaire. L’évaluation courante de la densité osseuse à partir de la TDM pourrait devenir un cas d’utilisation secondaire important, car elle extrait des données exploitables d’examens réalisés pour d’autres raisons.

La neurologie représentait 10,2 % de part de marché. Les outils RAPID de RapidAI et de détection des occlusions de gros vaisseaux de Viz.ai facilitent le triage des AVC, tandis que les applications fondées sur l’IRM quantifient les lésions de la substance blanche et les biomarqueurs des maladies neurodégénératives. La valeur de l’IA réside dans la réduction du délai avant intervention lors d’un AVC aigu et dans l’amélioration de la cohérence des évaluations longitudinales.

L’imagerie hépatique représentait 8,8 % de part de marché. L’IA contribue à la détection du carcinome hépatocellulaire, à la segmentation du foie, à la quantification de la stéatose hépatique, à la stadification de la cirrhose et à la planification chirurgicale. Les outils d’IRM hépatique assistés par l’IA de Philips Healthcare et les systèmes de segmentation hépatique fondés sur l’apprentissage profond illustrent le lien entre l’analyse d’images et la planification préopératoire.

Les autres indications représentaient 7,1 % de part de marché. L’IRM de la prostate, l’échographie thyroïdienne, l’imagerie rénale, l’imagerie gastro-intestinale et l’ophtalmologie élargissent l’utilité clinique au-delà des grandes indications radiologiques. La valeur stratégique réside dans l’expansion de la plateforme : une même couche de flux de travail déployée peut prendre en charge plusieurs spécialités une fois les algorithmes, la gouvernance et les intégrations de comptes rendus établis.

Par application

Le soutien à la décision diagnostique dominait les applications, avec une part de marché de 42,6 % en 2025. Ces outils signalent les résultats suspects, génèrent des estimations de probabilité et facilitent la production de comptes rendus diagnostiques structurés. Le portefeuille d’autorisations de l’IA de la FDA reste concentré sur les systèmes de détection et de diagnostic assistés par ordinateur, qui aident les cliniciens plutôt qu’ils ne les remplacent. L’intégration native DICOM aux PACS devient une exigence fondamentale, car les hôpitaux ont besoin que les résultats de l’IA soient intégrés à leurs flux de lecture établis.

La planification de la radiothérapie représentait 16,9 % de part de marché. La segmentation automatique, le contourage tumoral, la planification adaptative et l’optimisation des doses fondés sur l’IA réduisent le temps consacré à la planification manuelle. Philips Healthcare, Varian et RaySearch Laboratories ont développé des flux de planification présentant un intérêt commercial. Les accélérateurs linéaires guidés par IRM accroîtront la demande de planification adaptative en temps réel fondée sur l’IA au cours de la période de prévision.

Le suivi longitudinal des maladies représentait 14,2 % de part de marché. La mesure automatisée des tumeurs, le suivi du volume des lésions, les évaluations RECIST et iRECIST ainsi que le suivi des maladies neurodégénératives améliorent la cohérence entre les examens répétés. Tempus Radiology relie les données d’imagerie longitudinale aux données génomiques et moléculaires, faisant évoluer l’application de l’automatisation des mesures vers le soutien à la décision en oncologie de précision.

La planification chirurgicale et interventionnelle représentait 11,1 % de part de marché. Les modèles 3D de l’anatomie générés par l’IA facilitent le dimensionnement aortique, les interventions cardiaques structurelles, la chirurgie hépatique et les procédures guidées par l’image. L’intégration à la préparation des procédures robotisées constitue une voie d’adoption supplémentaire. La valeur commerciale est liée à la planification des procédures, à la réduction de la variabilité et à une évaluation préopératoire plus standardisée.

La recherche clinique et les essais représentaient une part de marché de 8,9 %. La mesure automatisée des critères d’évaluation, l’analyse rétrospective des archives et l’extraction de biomarqueurs d’imagerie réduisent la charge de travail liée à l’annotation manuelle dans les essais. Annalise.ai et les fournisseurs spécialisés de solutions d’imagerie pour les essais développent des plateformes adaptées aux exigences en matière de données et de réglementation des études en oncologie. La clarté réglementaire concernant les critères d’évaluation d’imagerie générés par l’IA déterminera le rythme de l’expansion.

Les autres applications représentaient une part de marché de 6,3 %. La plateforme Impressions de Rad AI illustre l’automatisation des flux de travail de production de rapports, tandis que l’optimisation des protocoles au niveau des scanners peut réduire la dose de rayonnement et améliorer l’efficacité de l’acquisition. La simulation de formation, l’assurance qualité, la planification et l’utilisation des ressources restent des cas d’utilisation à un stade plus précoce.

Par utilisation finale

Les hôpitaux détenaient une part de marché de 56,1 % en 2025. Les centres médicaux universitaires et les réseaux de soins intégrés disposent du volume d’imagerie, de l’infrastructure de gouvernance et des budgets informatiques nécessaires aux déploiements à l’échelle de l’entreprise. GE HealthCare, Siemens Healthineers et Philips Healthcare ciblent ces comptes au moyen de plateformes et de relations de services à long terme. Les hôpitaux publics en Inde, en Asie du Sud-Est et en Amérique latine deviendront une source plus importante de demande supplémentaire à mesure que les initiatives nationales de numérisation s’étendront.

Les centres de diagnostic représentaient une part de marché de 21,8 %. Les établissements d’imagerie indépendants, les fournisseurs de téléradiologie et les réseaux de centres d’imagerie sont économiquement incités à utiliser l’IA pour le triage et la production de rapports, car le volume d’examens influence directement les marges d’exploitation. Aidoc et Viz.ai proposent des flux de travail infonuagiques adaptés aux centres qui traitent un volume élevé d’examens sans disposer en permanence de radiologues sur site. La consolidation des réseaux de diagnostic créera des comptes plus importants, capables de réaliser des achats à l’échelle de l’entreprise.

Les cliniques détenaient une part de marché de 18,1 %. Les cliniques de cardiologie, d’orthopédie, d’oncologie et multidisciplinaires utilisent des outils d’IA spécifiques aux modalités pour l’échographie, la radiographie numérique, l’échocardiographie et l’imagerie musculosquelettique. Les modèles tarifaires par abonnement et par examen réduisent les obstacles pour les établissements de plus petite taille. L’imagerie portable et l’IA au point d’intervention constitueront le principal moteur de croissance des cliniques jusqu’en 2035.

Les autres utilisateurs finaux représentaient une part de marché de 4,0 %. Les établissements de recherche, les organismes publics, les systèmes de santé militaires, les centres d’imagerie vétérinaire et les programmes de santé publique génèrent une demande spécialisée. Les programmes de dépistage de la tuberculose, de détection du cancer, d’imagerie maternelle et de triage à distance illustrent la manière dont l’IA peut renforcer les capacités lorsque l’accès aux spécialistes est limité.

Analyse régionale du marché de l’IA en imagerie médicale

Amérique du Nord

L’Amérique du Nord détenait une part de marché de 43,8 % en 2025. Les États-Unis soutiennent la demande régionale grâce aux activités d’autorisation de la FDA, aux dépenses hospitalières en informatique, à une infrastructure d’imagerie mature et aux mécanismes de remboursement applicables à certaines applications d’IA. La FDA a autorisé 295 dispositifs dotés de capacités d’IA/ML en 2025, la radiologie représentant 75 % des autorisations. Les cadres de validation du Data Science Institute de l’American College of Radiology favorisent une évaluation plus homogène des fournisseurs par les systèmes de santé.

Le Canada contribue au marché grâce à ses efforts nationaux en faveur de l’adoption de la santé numérique et à un environnement de système de santé intégré. La contrainte régionale réside dans la complexité des processus d’approvisionnement : avant de dépasser le stade des projets pilotes, les acheteurs hospitaliers exigent toujours des preuves d’adéquation aux flux de travail, des contrôles de cybersécurité, une validation locale et une pertinence en matière de remboursement.

Europe

L’Europe représentait 26,7 % de la part de marché en 2025. L’Allemagne est en tête du déploiement grâce à la modernisation de l’informatique hospitalière, aux cadres de remboursement de la santé numérique et aux investissements dans les technologies d’imagerie. La France, le Royaume-Uni, l’Espagne, l’Italie et les Pays-Bas contribuent au marché grâce à leurs systèmes de santé nationaux et à leurs modèles d’approvisionnement centralisés.

Le règlement MDR de l’UE 2017/745 et le règlement de l’UE sur l’IA imposent des exigences de conformité qui se chevauchent pour l’IA diagnostique, tandis que le document MDCG 2025-6 fournit des orientations sur l’articulation entre les obligations relatives aux dispositifs médicaux et celles relatives à l’IA. ^{[7]European Commission Health and Food Safety, "MDCG 2025-6 Guidance on Medical Devices Regulation and the AI Act," health.ec.europa.eu} La NHS Transformation Directorate du Royaume-Uni et les normes de NICE en matière de santé numérique favorisent une évaluation structurée de l’IA au sein des établissements du NHS. La Société européenne de radiologie a publié des recommandations concernant la mise en œuvre du règlement sur l’IA en radiologie. ^{[9]European Society of Radiology, "Recommendations for AI Act Implementation in Radiology," myesr.org} La contrainte de l’Europe ne tient pas à la demande, mais à la fragmentation des voies de conformité et d’approvisionnement entre les différentes juridictions.

Asie-Pacifique

L’Asie-Pacifique détenait une part de marché de 22,1 % en 2025 et restera le marché régional à la croissance la plus rapide. Le secteur chinois de l’imagerie médicale fondée sur l’IA, l’expansion de l’infrastructure diagnostique en Inde ainsi que les déploiements cliniques intégrant des technologies au Japon et en Corée du Sud soutiennent l’adoption. Les fournisseurs établis en Chine, Infervision et DeepWise, ont déployé leurs solutions dans des hôpitaux dans le cadre de programmes nationaux d’expansion de la santé numérique et de la télémédecine.

La Ayushman Bharat Digital Mission de l’Inde soutient l’infrastructure de santé numérique, tandis que Qure.ai déploie qXR pour le dépistage de la tuberculose et la détection des maladies thoraciques au sein de réseaux publics et privés. Qure.ai est présente dans plus de 25 pays. Le Japon et la Corée du Sud bénéficient de l’intégration, par Canon Medical Systems et Samsung Medison, de fonctions de guidage par IA et d’outils de mesure automatisée dans les plateformes de modalités d’imagerie. La contrainte régionale réside dans l’hétérogénéité des dispositifs de remboursement et de la maturité des infrastructures selon les pays, ce qui favorise les déploiements privilégiant le cloud et le mobile dans les environnements disposant de moins de ressources.

Amérique latine

L’Amérique latine représentait 4,5 % de la part de marché en 2025. Le Brésil est le principal contributeur régional, suivi du Mexique et de l’Argentine. Les investissements dans la télémédecine et la santé numérique élargissent l’accès à l’imagerie, en particulier au Brésil, où l’interprétation à distance et la fourniture de services via le cloud sont bien adaptées aux réseaux fragmentés de centres d’imagerie.

L’IA fondée sur le cloud peut réduire l’obstacle lié aux infrastructures pour les réseaux de diagnostic qui ne disposent pas de capacités de calcul haute performance sur site. L’expansion du dépistage du cancer du sein et du cancer du col de l’utérus crée un canal de demande direct pour l’imagerie assistée par IA. Les systèmes réglementaires pilotés par l’ANVISA au Brésil et la COFEPRIS au Mexique continuent d’évoluer, créant à la fois des opportunités d’entrée et une complexité d’accès au marché.

Moyen-Orient et Afrique

Le Moyen-Orient et l'Afrique représentaient 2,9 % du marché en 2025. L'Arabie saoudite et les Émirats arabes unis investissent dans l'IA appliquée aux soins de santé au moyen d'initiatives nationales de transformation numérique et de programmes d'hôpitaux intelligents. GE HealthCare, Siemens Healthineers et Philips Healthcare jouent un rôle majeur dans les déploiements hospitaliers du Conseil de coopération du Golfe.

En Afrique subsaharienne, la demande d'IA se concentre sur la radiographie portable, l'échographie portative, le dépistage de la tuberculose, l'imagerie obstétricale et le télétriage. La résolution WHA78.13 de l'Assemblée mondiale de la Santé appelle à intégrer l'IA et l'aide à la décision clinique aux systèmes d'information en radiologie afin de renforcer l'accès équitable à l'imagerie diagnostique. ^{[8]World Health Organization, "WHA78.13: Strengthening Medical Imaging Capacity," who.int} La contrainte régionale réside dans l'insuffisance des infrastructures d'imagerie de base et de connectivité, ce qui rend les systèmes peu coûteux, infonuagiques et conçus prioritairement pour les appareils mobiles plus pertinents sur le plan commercial que les architectures à l'échelle des entreprises dans de nombreux marchés.

Part du marché de l'intelligence artificielle en imagerie médicale et paysage concurrentiel

Le marché est modérément concentré. GE HealthCare, Siemens Healthineers, Philips Healthcare, Aidoc et Viz.ai détenaient collectivement environ 65 % de part de marché en 2025. GE HealthCare était en tête avec environ 23 % de part de marché, soutenu par sa base installée de matériel d'imagerie, sa plateforme Edison et son portefeuille d'IA couvrant la tomodensitométrie, l'IRM, la radiographie, l'échographie et la médecine nucléaire.

Siemens Healthineers est en concurrence avec AI-Rad Companion, syngo.via, les systèmes de tomodensitométrie SOMATOM, les systèmes d'IRM MAGNETOM, les solutions d'échographie ACUSON et les capacités de Varian en radiothérapie. Son avantage réside dans l'intégration de l'IA aux flux de travail diagnostiques et thérapeutiques. Philips Healthcare met l'accent sur l'informatique d'imagerie d'entreprise, son modèle Radiology Operations Command Center, IntelliSite Pathology Solution, ses outils d'imagerie cardiaque, ses applications d'IRM hépatique et ses solutions d'échographie guidées par l'IA.

Aidoc et Viz.ai sont des plateformes de premier plan conçues nativement pour l'IA. Le système d'exploitation d'IA et la plateforme ORB d'Aidoc coordonnent la détection, la hiérarchisation, la communication et la gestion d'algorithmes provenant de plusieurs fournisseurs. Viz.ai étend la détection en imagerie à la coordination des soins en transmettant les résultats critiques aux spécialistes au moyen de flux de communication mobiles. RapidAI est en concurrence dans le domaine de l'imagerie en soins aigus, notamment pour les accidents vasculaires cérébraux, l'embolie pulmonaire, l'imagerie aortique, le suivi de la sclérose en plaques et l'évaluation des maladies neurodégénératives.

Canon Medical Systems intègre la reconstruction par apprentissage profond AiCE à ses systèmes de tomodensitométrie Aquilion et d'IRM Vantage. Fujifilm Holdings utilise sa plateforme REiLI pour la radiographie thoracique, la détection des anomalies en tomodensitométrie et la pathologie numérique. Tempus Radiology relie l'analyse d'images aux données moléculaires et génomiques pour l'oncologie de précision. Lunit fournit des produits de radiographie thoracique et de pathologie, tandis que Qure.ai se concentre sur la radiographie thoracique, l'analyse cérébrale par tomodensitométrie et la téléradiologie dans les environnements à ressources limitées.

Annalise.ai se différencie par l’analyse des radiographies thoraciques permettant de détecter plusieurs anomalies. Subtle Medical améliore la qualité des images d’IRM et de TEP grâce à SubtleMR et SubtlePET. Rad AI automatise la rédaction des conclusions des comptes rendus et les flux de travail de comparaison avec les examens antérieurs. Cleerly fournit une analyse quantitative de l’angiographie coronaire par tomodensitométrie pour l’évaluation de la plaque, de la sténose et du risque ischémique.

Notre enquête primaire du S2 2025, menée auprès de 190 responsables des achats hospitaliers et directeurs informatiques dans 9 pays, a indiqué que la capacité d’intégration du fournisseur aux infrastructures PACS et RIS existantes était citée comme le facteur déterminant de l’achat par 74 % des répondants, les performances des algorithmes arrivant en deuxième position avec 68 %, ce qui souligne l’importance stratégique de la profondeur d’intégration comme facteur de différenciation concurrentielle dans les achats des entreprises.

Évolutions récentes du secteur

• Juin 2025 : le Groupe de coordination des dispositifs médicaux et le Conseil conjoint de l’intelligence artificielle ont publié les documents AIB 2025-1 et MDCG 2025-6, qui traitent de l’articulation entre le règlement européen relatif aux dispositifs médicaux (EU MDR) et le règlement européen sur l’intelligence artificielle (EU AI Act) pour les dispositifs médicaux intégrant l’IA. Ces orientations clarifient les exigences de double conformité applicables aux développeurs de solutions d’imagerie fondées sur l’IA. 

• Mai 2025 : la soixante-dix-huitième Assemblée mondiale de la Santé a adopté la résolution WHA78.13, qui exhorte les États membres à intégrer l’IA et les outils d’aide à la décision clinique dans les systèmes d’information radiologique. Cette résolution renforce les arguments en faveur de l’accès à l’imagerie assistée par l’IA dans les environnements soumis à des contraintes de ressources.

• 2025 : la FDA a autorisé 295 dispositifs médicaux intégrant l’IA et l’apprentissage automatique, la radiologie représentant 75 % des autorisations. Le volume d’autorisations a élargi l’offre commerciale d’outils d’imagerie déployables. ^{[1]U.S. Food and Drug Administration, "Artificial Intelligence and Machine Learning in Software as a Medical Device," fda.gov}

• 2025 : une étude publiée dans Nature Communications a révélé que l’interprétation des radiographies thoraciques assistée par l’IA réduisait de 18,3 % le temps d’interprétation des comptes rendus par les cliniciens auprès de 296 patients. Cette étude apporte des données en conditions réelles sur l’automatisation des flux de travail de production des comptes rendus. ^{[10]Nature Communications, "AI-Assisted Chest Radiograph Interpretation in Real-World Deployment," nature.com}