Marché des grands modèles de langage (LLM) et des modèles de fondation dans le secteur de la santé Taille et part 2026-2035

Taille du marché des grands modèles de langage (LLM) et des modèles fondamentaux dans le secteur de la santé

Le marché des LLM et des modèles fondamentaux dans le secteur de la santé était évalué à 2,4 milliards de dollars (USD) en 2025 et devrait atteindre 27,7 milliards de dollars (USD) d'ici 2035, avec un taux de croissance annuel composé (CAGR) d'environ 27,7 %.

L'adoption dépasse désormais le stade de l'expérimentation, car la technologie répond à des tâches à la fois intensives en données et lourdes de conséquences économiques : création de notes, assistance au codage, interprétation d'images médicales, identification de cibles et communication avec les patients.

L'écosystème repose sur trois niveaux interdépendants. Les développeurs de modèles fondamentaux fournissent des modèles de langage clinique, de vision, multimodaux et biologiques ; les fournisseurs d'applications les intègrent dans des flux de travail dédiés à la documentation, à l'imagerie, à l'engagement des patients et à la découverte de médicaments ; tandis que les hôpitaux, les entreprises biopharmaceutiques, les organismes payeurs et les établissements de recherche achètent ces solutions et encadrent leur déploiement. L'avantage concurrentiel dépend de plus en plus du contrôle des données et de l'accès aux flux de travail, plutôt que de la seule taille des modèles. Tempus, par exemple, associe des données cliniques et moléculaires à des outils d'analyse et a déclaré une valeur totale de contrats supérieure à 1,1 milliard de dollars à la fin de 2025 ^{[1]Tempus AI - Tempus Achieves Record Total Contract Value Exceeding $1.1 Billion, January 2026 - investors.tempus.com}. NVIDIA fournit l'infrastructure de calcul et la pile de développement de modèles par l'intermédiaire de BioNeMo et de MONAI, ce qui lui permet d'être présente dans les applications biologiques comme dans celles liées à l'imagerie.

La réglementation devient un paramètre de conception des produits. Aux États-Unis, la FDA a finalisé en décembre 2024 ses orientations relatives aux plans prédéterminés de contrôle des modifications pour les fonctions logicielles des dispositifs intégrant l'IA, offrant aux fabricants la possibilité de définir à l'avance certaines modifications des modèles ^{[2]Federal Register - FDA Final Guidance: Marketing Submission Recommendations for a Predetermined Change Control Plan for AI-Enabled Device Software Functions, December 2024 - govinfo.gov}. La règle ONC HTI-1 exige également la communication d'informations de transparence sur les algorithmes prédictifs utilisés dans les systèmes informatiques de santé certifiés, ce qui constitue une contrainte importante pour les modèles intégrés aux systèmes cliniques. En Europe, le règlement européen sur l'IA (EU AI Act) est entré en vigueur en août 2024 ; ses exigences progressives s'ajoutent aux contrôles du RGPD sur les données de santé et à la réglementation relative aux dispositifs médicaux. Les éléments probants, la traçabilité, la supervision humaine et l'architecture de gouvernance des données deviennent ainsi essentiels aux décisions d'achat. Ces exigences favorisent les fournisseurs capables de démontrer une validation reproductible et de tenir des registres clairs des entrées, des sorties et des mises à jour des modèles.

Les architectures techniques répondent à différents enjeux d'économie de la santé. Les LLM sont bien implantés dans les flux de travail liés à la documentation et aux tâches administratives ; les modèles de vision répondent aux besoins de la radiologie et de l'anatomopathologie ; les modèles multimodaux combinent dossiers, textes, images et informations moléculaires ; tandis que les modèles biologiques ou génomiques traitent l'ADN, l'ARN, les protéines et les structures chimiques. Google a indiqué que Med-PaLM 2 avait obtenu un score de 86,5 % au test MedQA, tandis qu'Evo2 de NVIDIA avait été entraîné sur près de 9 000 milliards de nucléotides, illustrant la divergence entre les trajectoires de développement des modèles de langage clinique et des modèles biologiques. La question commerciale est de savoir si ces capacités peuvent être intégrées à des flux de travail responsables, plutôt que de déterminer si un modèle plus volumineux peut produire une réponse plus fluide.

Les entreprises les mieux placées pour capter la valeur ne seront pas nécessairement celles qui disposent des plus grands modèles à usage général. Ce seront celles capables de relier les résultats des modèles aux flux de travail des dossiers de santé électroniques (EHR), de l'imagerie, des laboratoires et de la gestion des soins, tout en répondant aux exigences des hôpitaux et des clients des sciences de la vie en matière de preuves et de gouvernance. La clarté réglementaire favorise donc la commercialisation, mais elle accroît également le coût de la concurrence dans les cas d'utilisation ayant des conséquences cliniques importantes.

Facteurs clés

Demande croissante d'automatisation de la documentation clinique

La documentation clinique constitue un enjeu direct en matière de main-d'œuvre et de fidélisation pour les organisations de soins. Une évaluation de 120 jours à méthodes mixtes portant sur la documentation ambiante a mis en évidence une réduction durable de la charge liée à la documentation, tandis que 62 % des médecins participants ont identifié la dictée par IA comme un facteur important de fidélisation ^{[3]Trinity Health of New England - Evaluating Ambient AI Documentation in Ambulatory Practice: A 120-Day Mixed-Methods Pilot Study, 2025 - trinityhealthofne.org}. Abridge fait état d'un déploiement dans plus de 150 systèmes de santé et de plus de 100 millions de conversations par an, ce qui indique que la documentation ambiante passe de projets pilotes isolés par spécialité à une mise en œuvre généralisée au niveau des entreprises.

Le mécanisme économique va au-delà du temps gagné sur la rédaction des dossiers. Les systèmes qui produisent une documentation plus complète peuvent faciliter le codage, l'ajustement des risques et la coordination du suivi, ce qui donne aux responsables financiers et cliniques une raison commune d'approuver le déploiement. L'intégration aux principaux environnements EHR est déterminante, car elle réduit l'évolution des pratiques exigée des cliniciens. Le marché privilégie donc les produits intégrés nativement aux flux de travail et produisant des résultats auditables plutôt que les outils de transcription autonomes.

Adoption accélérée de l'IA dans la découverte de médicaments et la recherche en génomique

La demande dans le domaine de la découverte de médicaments est soutenue par une voie de validation clinique de plus en plus concrète. Le rentosertib d'Insilico Medicine, un inhibiteur de TNIK destiné à traiter la fibrose pulmonaire idiopathique, a fait l'objet de résultats de phase IIa qui ont ensuite été publiés dans *Nature Medicine* en juin 2025. La fusion de Recursion avec Exscientia en novembre 2024 a réuni des capacités de phénotypage, de transcriptomique et de chimie de précision au sein d'une même plateforme, renforçant la préférence du secteur pour des systèmes intégrés de découverte plutôt que pour des modèles de prédiction isolés.

Ces plateformes sont importantes, car elles peuvent raccourcir les itérations entre l'hypothèse biologique, la conception de composés, le criblage et l'apprentissage expérimental. Leur proposition de valeur ne repose pas sur l'élimination du travail en laboratoire par l'IA, mais sur le fait qu'une meilleure priorisation peut orienter les capacités des laboratoires vers les cibles et les composés les plus prometteurs. La plateforme Evo2 et la suite BioNeMo de NVIDIA élargissent également l'accès aux outils de modélisation génomique et biomoléculaire, même si l'avantage qui en résulte reste tributaire des données propriétaires, de la validation expérimentale et des ressources de calcul.

Expansion des modèles de soins fondés sur la valeur stimulant l'IA dédiée à l'engagement des patients

Les soins fondés sur la valeur font de l'engagement des patients un levier opérationnel mesurable. Les organisations qui assument le risque lié aux réadmissions, aux résultats des maladies chroniques, aux délais d'accès et aux lacunes dans la prise en charge disposent d'une incitation économique plus forte à automatiser la communication avec les patients que les organisations fonctionnant principalement selon un modèle de rémunération à l'acte. La NAACOS a indiqué que près de 65 % des organisations de soins fondés sur la valeur se montraient optimistes quant à la capacité de l'IA à améliorer les analyses prédictives et prescriptives, tandis que 50 % investissaient dans l'analyse des données et l'IA.

Les plateformes d'engagement des patients accroissent la capacité des équipes de gestion des soins en automatisant la prise de rendez-vous, l'accueil et le recueil initial des données, les rappels de prise de médicaments, le suivi après la sortie et l'orientation dans le parcours de soins. Leur potentiel est le plus élevé lorsque le flux de travail est répétitif, que les règles d'escalade sont explicites et que le système de santé peut relier les activités d'engagement aux mesures d'utilisation ou de qualité. La croissance du segment dépendra de la capacité des fournisseurs à démontrer que les interactions automatisées améliorent les résultats sans reporter sur le personnel le travail clinique non résolu.

Des volumes croissants de données de santé permettant de développer des modèles de fondation plus vastes et plus précis

L'augmentation des dossiers numérisés, des images, des données omiques et des données opérationnelles dans le secteur de la santé constitue une base plus étendue pour le développement de modèles, mais le seul volume de données ne suffit pas. Une étude multicentrique menée par Stanford a révélé qu'un modèle de fondation pour les dossiers médicaux électroniques (EHR), entraîné sur 2,57 millions de dossiers de patients, pouvait égaler les performances de modèles entraînés localement avec moins de 1 % des exemples d'entraînement et améliorer les résultats lorsque les données étiquetées spécifiques à la tâche étaient rares. Cela laisse penser que des représentations partagées correctement gouvernées peuvent améliorer les performances dans les contextes cliniques soumis à des contraintes de données.

La valeur commerciale des données ne dépend donc plus seulement de leur propriété, mais aussi de leur qualité, de leur profondeur longitudinale, de leur statut en matière de consentement et de leur interopérabilité. Des initiatives publiques telles que la National AI Research Resource et les programmes de modèles de fondation axés sur la santé visent à favoriser l'accès aux données et la collaboration informatique sans considérer la collecte centralisée de données brutes comme l'unique moyen de changer d'échelle. Les fournisseurs proposant des approches crédibles de préservation de la confidentialité et d'apprentissage fédéré pourraient accéder à des partenariats de données avec des systèmes de santé qui seraient inaccessibles à des plateformes moins matures.

Principaux freins

Défis liés à la confidentialité des données et à la conformité à la loi HIPAA

Les acheteurs du secteur de la santé doivent évaluer la capacité de l'architecture d'un fournisseur à traiter de manière sécurisée les informations de santé protégées, à établir les relations appropriées avec les partenaires commerciaux, à documenter les contrôles d'accès et à prendre en charge les audits. Les obligations découlant de la loi HIPAA s'appliquent non seulement au stockage des données, mais également aux flux de travail impliquant les invites, les transcriptions, les sorties des modèles, la journalisation, les sous-traitants et la réponse aux incidents ^{[4]National Center for Biotechnology Information - AI Chatbots and Challenges of HIPAA Compliance for AI Developers and Vendors, 2024 - pmc.ncbi.nlm.nih.gov}. Ces exigences allongent les cycles de vente, en particulier pour les hôpitaux communautaires et les organisations multisites disposant de capacités limitées en matière de gouvernance spécialisée.

Le défi s'intensifie dans le cadre des déploiements internationaux. Le RGPD accorde une protection particulière aux données de santé, tandis que le règlement européen sur l'IA ajoute des exigences pertinentes en matière de gestion des risques, de transparence et de supervision humaine pour les applications à haut risque. La mémorisation par les modèles, l'injection d'invites et les intégrations non sécurisées peuvent créer des vulnérabilités, même lorsque le modèle sous-jacent est techniquement performant. Par conséquent, l'architecture de déploiement, la minimisation des données et les contrôles opérationnels explicables deviennent souvent des conditions préalables à l'achat avant même que les performances du modèle ne soient évaluées.

Coûts informatiques et opérationnels élevés liés au déploiement de modèles à grande échelle

L'entraînement et l'exploitation de modèles biologiques, multimodaux et cliniques à haut volume peuvent nécessiter une importante capacité d'accélération, une ingénierie spécialisée et une surveillance continue. Le déploiement par Mayo Clinic d'une infrastructure NVIDIA Blackwell pour la pathomique, la découverte de médicaments et la médecine de précision illustre l'ampleur des ressources dont disposent les principaux centres médicaux universitaires. Les prestataires de plus petite taille peuvent accéder à des capacités avancées par l'intermédiaire de services cloud, mais ils doivent néanmoins assumer des coûts récurrents liés à l'inférence, à l'intégration et à la gouvernance.

Cette situation entraîne un modèle d'adoption à deux vitesses. Les grands systèmes de santé et les entreprises pharmaceutiques peuvent financer des déploiements personnalisés et des programmes de validation, tandis que les établissements de plus petite taille ont tendance à privilégier des applications gérées et de portée limitée, offrant un retour sur investissement plus rapide. La pression sur les coûts favorisera la distillation des modèles, les architectures spécifiques aux tâches et les déploiements hybrides, mais la nécessité de préserver la fiabilité clinique signifie que les modèles moins coûteux doivent être validés pour le flux de travail précis dans lequel ils sont utilisés.

Le résultat probable est une adoption différenciée plutôt qu'un retard uniforme. Les services cloud resteront attractifs lorsque les établissements auront besoin de rapidité et ne disposeront pas des infrastructures nécessaires, tandis que les déploiements privés ou hybrides resteront importants pour la génomique, les données de recherche sensibles et les organisations soumises à des politiques strictes de résidence des données. Les fournisseurs capables de proposer des modèles plus petits validés pour des tâches cliniques définies pourraient être mieux placés pour servir le marché intermédiaire que les fournisseurs s'appuyant exclusivement sur de grands modèles généralistes coûteux.

Analyse des segments du marché des LLM et des modèles de fondation dans le secteur de la santé

Par type de modèle

Les LLM représentent 61,2 % du marché en 2025, soit environ 1,47 milliard de dollars. Leur avance tient à leur adéquation avec les activités de santé fortement fondées sur le texte : les LLM cliniques et de documentation prennent en charge la génération de notes en temps réel et l'aide au codage ; les LLM dédiés à l'engagement des patients facilitent l'orientation et la communication proactive ; les LLM de recherche biomédicale aident à retrouver et à synthétiser les données scientifiques. Leur maturité commerciale découle de leur capacité à s'intégrer aux flux existants de conversations, de notes et de documents, sans nécessiter la création d'un nouveau pipeline de données diagnostiques.

Les modèles de fondation pour la vision représentent 21,1 % de la valeur du marché, soit environ 507 millions de dollars. L'imagerie bénéficie d'une base relativement mature en matière de réglementation et de validation, ce qui en fait un cadre naturel pour l'adoption des modèles de fondation. La plateforme de pathologie de Paige comprend des logiciels autorisés par la FDA et des désignations de dispositif innovant, tandis qu'Aidoc a déployé des solutions d'IA clinique dans plus de 1 600 centres médicaux ^{[5]Paige AI - Diagnostic AI Platform, 2025 - paige.ai}. L'évolution stratégique consiste à passer d'algorithmes ponctuels à des plateformes reliant les résultats d'imagerie au triage, à la coordination des soins et au suivi.

Les modèles multimodaux représentent 11,3 % du marché, soit environ 271 millions de dollars. Leur importance tient à leur capacité à relier des informations généralement fragmentées entre les notes cliniques, les images, les analyses moléculaires et les dossiers structurés. Le portefeuille de données cliniques et moléculaires de Tempus ainsi que la combinaison de l'imagerie, des informations issues des dossiers de santé électroniques (EHR) et des données ambiantes par Viz Assist montrent comment la multimodalité peut soutenir la médecine de précision et la coordination des flux de travail cliniques. Ce segment repose actuellement sur une base plus réduite, car son intégration et sa validation sont difficiles, mais son champ d'application dans les flux de travail est plus large que celui des produits à modalité unique.

Les modèles biologiques et génomiques représentent 6,4 % de la valeur du marché en 2025, soit environ 154 millions de dollars. Ils génèrent des revenus immédiats plus limités, car leurs acheteurs sont concentrés dans les secteurs de la biopharmacie, les établissements de recherche et les systèmes de santé spécialisés. Ils peuvent toutefois influencer des décisions de R&D à plus forte valeur en contribuant à hiérarchiser les variants génétiques, les cibles, les structures et les composés. Evo2, les modèles PreciousGPT d'Insilico et la plateforme de conception de médicaments d'Isomorphic Labs illustrent un segment dans lequel les données propriétaires et les boucles de rétroaction expérimentales comptent au moins autant que les spécifications publiées des modèles.

Par mode de déploiement

Les systèmes basés sur le cloud détiennent 75,6 % du marché, soit environ 1,81 milliard de dollars. La mise à disposition de services cloud gérés permet aux organisations d'accéder aux modèles sans acheter d'infrastructure spécialisée et se prête particulièrement aux flux de documentation et d'accès des patients nécessitant une intégration rapide. AWS fournit des recommandations architecturales éligibles au titre de la réglementation HIPAA pour l'IA générative, tandis qu'Anthropic propose des outils destinés aux secteurs de la santé et des sciences de la vie par l'intermédiaire de canaux cloud établis ^{[6]Amazon Web Services - Building a HIPAA-Ready Generative AI Architecture for Healthcare on AWS, 2025 - aws.amazon.com}. La position dominante du cloud reflète donc les économies liées à la mise en œuvre, bien qu'elle reste subordonnée à la mise en place de contrôles satisfaisants concernant les informations de santé protégées.

Les systèmes installés sur site représentent environ 24,4 % du marché, soit quelque 586 millions de dollars. Leur rôle est particulièrement important lorsque la résidence des données, la protection de la propriété intellectuelle ou la personnalisation des modèles l'emportent sur la commodité des services gérés. Les grands centres universitaires, les groupes de recherche en génomique et les entreprises pharmaceutiques sont davantage susceptibles d'accepter les coûts d'investissement et d'exploitation liés à une infrastructure privée lorsqu'elle protège des données sensibles ou permet un réglage intensif des modèles.

Par application

La documentation clinique représente 36,2 % du marché en 2025, soit environ 869 millions de dollars. Cette part s'explique par l'urgence des difficultés opérationnelles, les gains mesurables en temps pour les cliniciens et une intégration clairement définie aux dossiers patients électroniques (EHR). Abridge, DAX Copilot de Microsoft, Ambience Healthcare, Suki AI et Nabla se livrent concurrence sur ce segment en combinant la génération de notes avec le codage, les synthèses et des fonctions de soutien adaptées aux différents besoins documentaires. L'enjeu concurrentiel ne réside plus seulement dans la qualité de la transcription, mais dans la précision démontrée, la couverture des spécialités et la valeur apportée aux flux de travail financiers.

L'imagerie médicale représente 17,6 % de la valeur du marché, soit environ 422 millions de dollars. Aidoc, Paige, NVIDIA MONAI et Viz.ai interviennent dans les flux de travail de la radiologie, de la pathologie et de la coordination des soins. Le segment bénéficie de jeux de données d'imagerie établis et d'une expérience réglementaire significative, mais l'adoption commerciale dépend de la capacité des résultats d'imagerie à modifier le triage, les comptes rendus ou les interventions en aval, plutôt que de simplement identifier une anomalie.

La découverte et le développement de médicaments représentent 27,8 % du marché, soit environ 667 millions de dollars. Recursion, Insilico Medicine, BenevolentAI, Isomorphic Labs, NVIDIA et Tempus poursuivent différentes combinaisons d'exploitation de données biologiques, de chimie, de conception moléculaire et de données cliniques. Le segment bénéficie de budgets importants consacrés à la R&D, mais la concrétisation de sa valeur dépend de jalons et s'inscrit dans un cycle plus long que celui des logiciels de documentation.

L'engagement des patients représente 11,4 % de la valeur du marché, soit environ 274 millions de dollars. Hippocratic AI, Hyro et Orbita utilisent la voix et les systèmes conversationnels pour l'accès aux soins, l'orientation des patients, la sensibilisation et les flux de travail postérieurs à la sortie. La demande est liée aux soins fondés sur la valeur, car l'acheteur peut évaluer la réduction des rendez-vous non honorés, une meilleure résorption des lacunes dans les soins et une capacité accrue du personnel, plutôt que la seule utilisation des logiciels.

Les autres applications représentent environ 7,0 % du marché, soit quelque 168 millions de dollars. Elles comprennent la synthèse de la littérature, l'automatisation administrative, le soutien aux essais cliniques, l'interprétation génomique et l'analyse de la santé des populations. ScienceDirect AI d'Elsevier illustre un modèle axé sur la recherche qui applique l'IA générative à un corpus scientifique sélectionné, tandis qu'AWS HealthScribe permet aux éditeurs de logiciels de créer des fonctionnalités de documentation auditables.

Par utilisation finale

Les hôpitaux représentent 38,4 % de la demande en 2025, soit environ 922 millions de dollars. Ils constituent les principaux acheteurs de systèmes de documentation, d'imagerie et d'engagement des patients, car ils contrôlent les flux de travail et l'environnement de données dans lesquels ces outils doivent fonctionner. Leurs décisions d'achat sont déterminées par l'intégration aux dossiers patients électroniques (EHR), l'adhésion des cliniciens, l'évaluation de la sécurité et les preuves démontrant que l'application améliore le débit de traitement, la qualité de la documentation ou la coordination des soins.

Les entreprises pharmaceutiques et biotechnologiques représentent 28,6 % du marché, soit environ 686 millions de dollars. Leur demande se concentre sur l'identification de cibles, la conception de composés, la modélisation biologique, les opérations liées aux essais cliniques et l'accès à des ensembles de données multimodales. La logique d'approvisionnement de ce segment diffère de celle des hôpitaux : il accorde de l'importance aux données exclusives, au débit expérimental et au potentiel d'amélioration des décisions relatives au portefeuille sur un horizon de développement pluriannuel.

Les organismes payeurs détiennent 7,9 % de la valeur du marché, soit environ 190 millions de dollars. L'autorisation préalable, le soutien à la gestion des demandes de remboursement, l'orientation des adhérents et la gestion des lacunes en matière de soins constituent les cas d'utilisation les plus pertinents. Les produits doivent pouvoir se connecter aux flux de travail liés à la couverture et au codage sans prendre de décisions cliniques ou de couverture sans supervision.

Les établissements de recherche représentent 18,5 % du marché, soit environ 444 millions de dollars. Leur demande est soutenue par l'accès à la littérature scientifique, aux infrastructures de recherche publiques, aux données d'imagerie et aux outils de modélisation biologique. Ils comptent parmi les premiers utilisateurs importants des frameworks ouverts et des modèles de fondation, mais leur conversion en demande commerciale dépend souvent des cycles de subventions, de la gouvernance du partage des données et de l'accès aux capacités de calcul.

Les autres utilisateurs finaux représentent environ 6,6 % de la valeur du marché en 2025, soit environ 158 millions de dollars. Les cliniques spécialisées, les organismes de diagnostic, les prestataires de télésanté et les agences de santé publique adoptent des outils adaptés à des tâches spécifiques lorsque leur mise en œuvre peut être limitée à une ligne de services définie.

Le changement le plus important devrait probablement se produire à l'interface entre les segments. Les systèmes multimodaux pourraient transformer l'imagerie, l'anatomopathologie, les dossiers et les données moléculaires en un flux de travail coordonné plutôt qu'en achats de logiciels distincts. Cette opportunité favorise les entreprises disposant de droits exclusifs sur les données, de points d'intégration fiables et de données probantes cliniques. Elle relève également le niveau d'exigence en matière d'exécution, car une plateforme multimodale doit satisfaire aux exigences de gouvernance de chaque source de données à laquelle elle se connecte.

Analyse régionale du marché des LLM et des modèles de fondation dans le secteur de la santé

Amérique du Nord

L'Amérique du Nord représente environ 45 % de la valeur du marché en 2025, soit approximativement 1,08 milliard de dollars. Les États-Unis constituent le centre régional de la demande en raison de l'adoption étendue des dossiers médicaux électroniques (DME), de la concentration des fournisseurs de solutions d'IA dans le secteur de la santé, de la maturité des infrastructures cloud et d'un environnement réglementaire qui établit progressivement des règles plus claires pour les produits intégrant l'IA. Le Canada ajoute un marché plus restreint, mais stratégiquement pertinent, grâce à des projets pilotes menés par des systèmes de santé, tels que DAX Copilot au The Ottawa Hospital. Le principal avantage de la région ne réside pas simplement dans la disponibilité des capitaux, mais dans sa capacité à tester, acquérir, intégrer et mesurer les produits d'IA au sein de grands systèmes de santé.

Europe

L’Europe représente environ 22 % de la valeur du marché en 2025, soit approximativement 528 millions de dollars. L’Allemagne, le Royaume-Uni, la France, l’Espagne, l’Italie et les Pays-Bas sont les principaux marchés de la région. La croissance européenne est façonnée par le règlement général sur la protection des données (GDPR) et l’AI Act de l’Union européenne, qui renforcent la gouvernance des données et les processus de conformité dans les achats du secteur de la santé. Le Royaume-Uni bénéficie d’un signal supplémentaire en matière de coordination réglementaire grâce à la participation de la MHRA au HealthAI Global Regulatory Network ^{[7]Medicines and Healthcare Products Regulatory Agency - UK MHRA Leads Safe Use of AI in Healthcare as First Country in New Global Network, June 2025 - gov.uk}. Les exigences de conformité peuvent allonger les premiers cycles de vente, mais elles peuvent également créer une base plus standardisée pour comparer les fournisseurs une fois que les acheteurs et les autorités de réglementation auront mis ces règles en œuvre.

Asie-Pacifique

L’Asie-Pacifique représente environ 21 % de la valeur du marché en 2025, soit approximativement 504 millions de dollars. La Chine, le Japon, l’Inde, l’Australie et la Corée du Sud constituent les principaux marchés de la région. La coentreprise japonaise de SB Tempus avec SoftBank illustre la commercialisation localisée de la médecine de précision, tandis que NVIDIA a soutenu le développement japonais de l’IA appliquée aux soins de santé par l’intermédiaire de partenariats et d’infrastructures nationales d’IA. En Inde, Apollo 24|7 a utilisé MedLM de Google Cloud et des graphes de connaissances cliniques dans son Clinical Intelligence Engine. Le potentiel de croissance de la région repose sur l’importance des populations de patients et les investissements publics dans la santé numérique, mais les exigences de déploiement restent fortement propres à chaque pays.

Amérique latine

L’Amérique latine représente environ 7 % de la valeur du marché en 2025, soit approximativement 168 millions de dollars. Le Brésil, le Mexique et l’Argentine sont à l’origine de la demande régionale, le Brésil constituant le plus grand marché. L’enquête brésilienne ICT in Health Survey a fait état de l’utilisation de modèles linguistiques génératifs parmi les établissements de santé recourant à l’IA, ce qui confirme que les applications fondées sur le langage peuvent gagner du terrain parallèlement aux cas d’utilisation administratifs et d’imagerie ^{[8]Brazilian Internet Steering Committee - ICT in Health Survey 2025, 2026 - cgi.br}. L’expansion régionale dépendra des performances en espagnol et en portugais, de systèmes locaux de données interopérables, de la capacité de financement et de l’harmonisation réglementaire, plutôt que de la seule disponibilité de modèles mondiaux.

Moyen-Orient et Afrique

Le Moyen-Orient et l’Afrique représentent environ 5 % de la valeur du marché en 2025, soit approximativement 120 millions de dollars. L’Arabie saoudite, les Émirats arabes unis et l’Afrique du Sud sont les principaux marchés de la région. Les investissements du Conseil de coopération du Golfe (GCC) dans la santé numérique et les infrastructures d’innovation favorisent l’adoption précoce, tandis que l’Afrique du Sud constitue un point d’entrée important en Afrique subsaharienne. La collaboration de recherche annoncée en octobre 2025 entre BenevolentAI et Sidra Medicine, au Qatar, illustre l’intérêt croissant de la région pour l’application de l’IA à la recherche sur les maladies. L’adoption à plus grande échelle dans la région reste limitée par l’hétérogénéité de la numérisation, la disponibilité des données, les capacités de la main-d’œuvre et les niveaux d’investissement dans les soins de santé.

L’Asie-Pacifique présente le plus fort potentiel d’expansion relative, car les initiatives propres à chaque pays peuvent associer d’importantes populations de patients à des infrastructures et des partenariats locaux. L’Amérique latine et la région MEA constituent des opportunités plus sélectives : les fournisseurs devront adapter leur offre aux langues locales, mettre en place des solutions cloud locales ou des dispositifs de résidence des données, ainsi que des modèles d’approvisionnement adaptés à une maturité numérique inégale. Un plan mondial de mise sur le marché reposant sur un modèle unique de conformité et d’intégration sera donc moins efficace qu’une approche fondée sur des parcours de déploiement propres à chaque région.

Part du marché et paysage concurrentiel des LLM et des modèles de fondation pour les soins de santé

La concurrence est fragmentée entre les catégories de flux de travail, la propriété des données et les modèles de déploiement. Abridge, Ambience Healthcare, Microsoft, Nabla et Suki AI se livrent concurrence dans la documentation ambiante ; Hippocratic AI, Hyro et Orbita se concentrent sur l’interaction avec les patients et l’accès aux soins ; Aidoc, Paige AI et Viz.ai opèrent à l’interface entre l’imagerie et la coordination des soins ; BenevolentAI, Insilico Medicine, Isomorphic Labs et Recursion Pharmaceuticals se consacrent à la découverte de médicaments assistée par l’IA ; tandis qu’Amazon Web Services, Anthropic, Elsevier, Google, NVIDIA, OpenAI et Tempus AI fournissent des infrastructures, des modèles, des données ou des outils de recherche fondamentaux.

Abridge a atteint une forte échelle dans le domaine de l’IA appliquée aux conversations cliniques, avec plus de 150 déploiements dans des systèmes de santé et un financement de série E de 300 millions de dollars (USD), pour une valorisation de 5,3 milliards de dollars (USD) en juin 2025, ^{[9]Reuters - Healthcare Startup Abridge Tops $5 Billion Valuation in A16z-Led Financing Round, June 2025 - reuters.com}. Ambience Healthcare se différencie par une documentation prenant en compte le codage dans différents contextes de soins et a levé 243 millions de dollars (USD) lors d’un financement de série C en juillet 2025. Microsoft associe DAX Copilot à la présence de Nuance dans le secteur de la santé et à son intégration aux dossiers médicaux électroniques, tandis que Suki AI et Nabla se positionnent sur les plateformes de documentation ambiante, de codage et de flux de travail des cliniciens.

Hippocratic AI se concentre sur des agents destinés aux patients et orientés vers la sécurité ; l’entreprise a annoncé un financement de série C de 126 millions de dollars (USD), pour une valorisation de 3,5 milliards de dollars (USD) en janvier 2026. Hyro et Orbita ciblent l’accès aux soins, l’automatisation des centres d’appels, l’orientation et les flux de suivi des patients, domaines dans lesquels les performances dépendent d’une intégration fiable avec les systèmes de prise de rendez-vous, de gestion de la relation client (CRM) et de dossiers médicaux électroniques. Leur avantage concurrentiel repose sur l’automatisation réussie des tâches répétitives, tout en préservant des parcours d’escalade pour les exceptions cliniques et de service.

Aidoc propose une plateforme d’IA clinique couvrant la radiologie, la cardiologie, les applications neurovasculaires et les applications vasculaires, tandis que Paige AI fournit des logiciels d’anatomopathologie numérique, des références réglementaires et des actifs de données en pathologie. Viz.ai étend l’intelligence appliquée à l’imagerie à la coordination fondée sur les dossiers médicaux électroniques et aux flux de préparation des dossiers. Dans ce segment, l’étendue des capacités algorithmiques est importante, mais la valeur pour les systèmes de santé dépend de plus en plus de la capacité de la plateforme à réduire le délai de prise en charge, à améliorer le suivi et à renforcer la coordination entre cliniciens.

BenevolentAI applique une technologie de découverte fondée sur des graphes de connaissances dans le cadre de collaborations avec des partenaires biopharmaceutiques. Insilico Medicine a établi un point de référence en matière de validation clinique grâce aux résultats de phase IIa de son rentosertib. Isomorphic Labs associe les connaissances structurelles issues d’AlphaFold à la conception générative et a levé 600 millions de dollars (USD) de financements externes en 2025. Recursion Pharmaceuticals a renforcé ses capacités en matière de données et de chimie grâce à la fusion avec Exscientia. Ces entreprises se livrent concurrence sur la qualité et l’échelle de leurs données biologiques, de leur boucle expérimentale, de leur flux de conception de médicaments et de leur capacité à transformer l’activité de leur plateforme en actifs cliniques validés.

Amazon Web Services fournit HealthScribe et des services cloud axés sur le secteur de la santé, en accordant une attention particulière à la génération auditable de notes cliniques.

Anthropic propose Claude aux secteurs de la santé et des sciences de la vie, notamment avec des connecteurs et des outils destinés aux flux de travail cliniques, aux organismes payeurs et à la recherche. Elsevier propose ScienceDirect AI pour la découverte de données probantes au sein de son environnement de contenus scientifiques. Google prend en charge les modèles de santé par l'intermédiaire de MedLM et des travaux de recherche Med-PaLM, tandis qu'OpenAI a lancé ChatGPT for Healthcare avec des déploiements éligibles à HIPAA et la prise en charge des BAA en janvier 2026. NVIDIA fournit les ressources de calcul ainsi que les infrastructures BioNeMo et MONAI qui sous-tendent le développement de modèles biomédicaux et d'imagerie. Tempus AI associe des actifs moléculaires, cliniques et d'analyse de données, et son acquisition de Paige renforce cette position multimodale en y ajoutant la pathologie numérique.

Évolutions récentes du secteur

• Janvier 2026 — OpenAI lance ChatGPT for Healthcare : OpenAI a lancé ChatGPT for Healthcare avec un déploiement éligible à HIPAA et la prise en charge des BAA pour les systèmes de santé.
• Août 2025 — Tempus AI acquiert Paige AI : Tempus a annoncé l'acquisition de Paige AI pour 81,25 millions de dollars, ajoutant des technologies et des actifs de données en pathologie à sa plateforme de médecine de précision.
• Octobre 2025 — Collaboration entre BenevolentAI et Sidra Medicine : BenevolentAI et Sidra Medicine ont annoncé une collaboration de recherche sur ZFP57 dans le domaine du diabète et de la régulation métabolique.