Les blocs opératoires perdent chaque jour plusieurs heures pour des raisons logistiques : planification manuelle, coordination imprécise et temps de préparation entre deux interventions. Akara, une startup distinguée par Time parmi les Best Inventions 2025, propose dʼappliquer lʼIA à ces frictions pour réduire les retards et améliorer lʼutilisation des salles.

Le problème ciblé : du temps perdu entre deux interventions

Selon le constat rapporté dans lʼéchange entre Russell Brandom et Conor McGinn sur le podcast Equity, les hôpitaux perdent deux à quatre heures de temps de bloc opératoire chaque jour, non pas à cause de la durée des opérations elles‑mêmes, mais à cause des ruptures entre interventions. Ces ruptures regroupent la planification manuelle, la coordination chaotique des équipes et lʼestimation approximative du temps nécessaire pour la remise en état et la préparation des salles (le «turnover»).

La solution technique proposée par Akara

Akara compare son approche à un «contrôle aérien» pour les blocs opératoires. Sa solution combine des capteurs thermiques et des modèles dʼintelligence artificielle pour suivre les flux humains et matériels dans la salle et autour dʼelle. Plutôt que dʼutiliser des caméras vidéo, la startup privilégie des capteurs thermiques afin de réduire les enjeux de confidentialité et de simplifier le déploiement.

  • Les capteurs détectent la présence et les déplacements du personnel et du matériel.
  • LʼIA estime le temps nécessaire pour le nettoyage et la préparation entre deux interventions.
  • Le système envoie des alertes aux équipes et propose des ajustements dʼordonnancement en temps réel.

Conor McGinn, cofondateur et CEO, présente cette orchestration comme un moyen de réduire les retards et de maximiser lʼutilisation des salles, ce qui devrait se traduire par une diminution des coûts opérationnels hospitaliers.

Enjeux et impacts potentiels

Ce cas illustre une application pragmatique de lʼIA en santé, centrée sur la réduction des frictions logistiques plutôt que sur des promesses de robotique chirurgicale ou de diagnostics avancés. Les gains attendus relèvent principalement de lʼefficience opérationnelle : meilleure planification, moins de temps dʼattente pour les équipes et les patients, et taux dʼutilisation des salles plus élevé.

Du point de vue du déploiement, la préférence pour des technologies non intrusives peut faciliter lʼacceptation institutionnelle et la confidentialité des patients. En outre, lʼajustement des ordonnancements en temps réel pourrait rendre les plannings plus résilients face aux aléas quotidiens des blocs opératoires.

Ce qui reste à confirmer

Plusieurs points importants ne sont pas détaillés dans les éléments disponibles et mériteraient clarification :

  • Les résultats chiffrés de réductions de temps ou dʼéconomies réalisées sur des déploiements réels : il conviendrait de vérifier lʼampleur des gains observés en pratique.
  • Le périmètre exact des hôpitaux équipés et lʼétendue des essais cliniques ou pilotes éventuels : on ne dispose pas dʼune liste de déploiements vérifiés.
  • Les modalités dʼintégration avec les systèmes dʼinformation hospitaliers existants et les contraintes réglementaires liées aux données de santé : ces aspects peuvent influencer la vitesse et lʼampleur des déploiements.

À retenir

  • Akara vise à réduire les retards en blocs opératoires en combinant capteurs thermiques et modèles dʼIA pour suivre flux et prédire la préparation des salles.
  • La solution se veut non intrusive pour préserver la confidentialité et faciliter le déploiement ; lʼobjectif est dʼoptimiser les ordonnancements en temps réel.
  • Il sʼagit dʼun exemple dʼIA appliquée à des problèmes logistiques concrets, avec des gains opérationnels immédiats attendus.
  • Des éléments restent à confirmer, notamment les résultats chiffrés en conditions réelles et les modalités dʼintégration dans les hôpitaux.

Article amélioré avec l'IA - Article original