A Scoping Review of Vibe Coding in Healthcare Across Clinical, Administrative, and Research Domains

Pendant des décennies, les personnes qui en savent le plus sur le fonctionnement réel des hôpitaux et des cliniques — les médecins, les infirmiers et les administrateurs — ont été incapables de construire les outils logiciels dont elles avaient besoin. Ils peuvent repérer un processus défaillant ou une fonctionnalité manquante dans un plan de soins d'un patient, mais ils ne possèdent pas les compétences techniques pour écrire le code qui permettrait de le corriger. Parallèlement, les ingénieurs logiciels capables d'écrire ce code ne comprennent souvent pas les réalités quotidiennes d'un service hospitalier. Ce fossé a rendu les systèmes de santé dépendants de fournisseurs externes et de cycles de développement lents et coûteux. Récemment, un nouveau type d'intelligence artificielle est apparu, promettant de combler ce fossé. Ces systèmes, connus sous le nom de grands modèles de langage, peuvent comprendre des instructions en langage courant et les transformer en un code informatique fonctionnel. Un nouveau terme, le « vibe coding » (codage par l'ambiance), a été inventé pour décrire un flux de travail où l'utilisateur agit moins comme un programmeur traditionnel et davantage comme un directeur, guidant l'intelligence artificielle par des requêtes en langage naturel pour construire des logiciels, tandis que la machine gère la rédaction technique.

Une équipe de chercheurs de l'Oregon Health & Science University et du Kaiser Permanente Oakland Medical Center s'est donné pour mission de cartographier le paysage précoce de cette technologie au sein du secteur de la santé. Ils ont mené une revue étendue de la littérature scientifique publiée entre janvier 2023 et décembre 2025, recherchant toute instance où ces outils d'IA ont été utilisés pour construire des logiciels destinés à l'éducation médicale, à la recherche ou à l'administration hospitalière. Leur objectif n'était pas de tester le logiciel lui-même, mais de comprendre où il était utilisé, quel type d'outils était construit et quels risques pourraient se cacher derrière ce changement rapide. Ils ont découvert que le domaine en est à ses tout débuts, les premiers articles évalués par des pairs n'apparaissant qu'au milieu de 2025. Les preuves qu'ils ont rassemblées suggèrent que, bien que les cliniciens puissent désormais construire des logiciels fonctionnels sans formation formelle, les cadres de sécurité et de réglementation pour gérer ces outils ne sont pas encore prêts.

Les chercheurs ont identifié quatre domaines principaux où cette nouvelle approche prend racine. Le premier domaine, et le plus actif, est l'éducation médicale. Dans ce domaine, les médecins et les éducateurs utilisent l'IA pour créer des outils de formation interactifs, tels que des simulations pour diagnostiquer des maladies ou des plateformes Web pour l'enseignement des soins rénaux. Une étude décrit une équipe de médecins qui a construit quatre applications éducatives différentes en une courte période, en utilisant uniquement le langage naturel pour guider l'IA. Ces outils comprenaient un guide pour l'analyse des échantillons d'urine et un assistant de diagnostic pour les problèmes rénaux. Un autre exemple mis en lumière dans la revue est une application Web appelée DebriefMD, construite par un oto-rhino-laryngologiste pour aider les résidents en chirurgie à améliorer leurs compétences. Le créateur n'avait aucune formation formelle en génie logiciel, mais a utilisé un outil d'IA pour générer le code, aboutissant à un système qui permet aux résidents de télécharger des notes vocales de commentaires de leurs superviseurs et de recevoir des rapports automatisés sur leurs performances. Ces projets démontrent que la barrière à l'entrée a été considérablement abaissée, permettant aux experts de transformer leurs idées en logiciels fonctionnels presque immédiatement.

Dans le domaine de la recherche biomédicale, la technologie agit comme une force qui ouvre l'analyse de données à davantage de personnes. Traditionnellement, l'analyse de jeux de données médicales complexes nécessitait une équipe dédiée de scientifiques de données et de programmeurs. Désormais, les chercheurs utilisent des assistants d'IA pour écrire le code nécessaire au nettoyage des données, à l'exécution de modèles statistiques et à la visualisation des résultats. La revue note que ce changement permet aux chercheurs de se concentrer sur les questions scientifiques plutôt que sur les détails techniques de la mise en œuvre. Certains chercheurs ont même utilisé ces outils pour construire des calculateurs personnalisés pour des études cliniques, comme un outil de prédiction des résultats après une chirurgie oculaire spécifique. Les auteurs de la revue suggèrent que cela pourrait démocratiser l'accès à l'informatique biomédicale, permettant à plus de cliniciens de diriger leurs propres projets de recherche sans attendre un support technique.

Le troisième domaine concerne l'infrastructure complexe qui assure le fonctionnement des hôpitaux, plus précisément les systèmes qui permettent à différents programmes informatiques de communiquer entre eux. Les hôpitaux utilisent de nombreux systèmes logiciels différents pour les dossiers des patients, les résultats de laboratoire et l'imagerie, et les connecter a historiquement nécessité des ingénieurs spécialisés. La revue a relevé le cas d'un architecte d'intégration expérimenté qui a utilisé des instructions en langage naturel pour construire des pipelines de données qui auraient normalement nécessité des semaines de codage manuel. Cela suggère que, même pour des tâches d'infrastructure hautement techniques, l'IA peut agir comme un amplificateur de l'expertise existante, accélérant la création d'outils qui déplacent les données des patients entre les systèmes. Enfin, la revue a examiné les tâches administratives, telles que la facturation et la planification. Parce que ces domaines impliquent moins de risques directs pour la sécurité des patients, ils sont considérés comme un point de départ naturel pour cette technologie. Les cliniciens commencent à construire des scripts personnalisés pour automatiser la paperasse, suivre les orientations ou gérer la conformité, des tâches qui nécessitaient auparavant l'engagement de tout un département de l'informatique.

Cependant, la revue souligne clairement que la capacité de construire des logiciels rapidement ne signifie pas que le logiciel est sûr ou prêt pour une utilisation généralisée. Les chercheurs ont identifié des lacunes importantes en matière de sécurité et de réglementation. Une préoccupation majeure est la sécurité du code. Des études sur le code généré par des outils d'IA similaires ont révélé que près de la moitié du résultat contient des vulnérabilités de sécurité, ce qui pourrait être dangereux dans un contexte de santé où les données des patients doivent être protégées. Il existe également un risque que, lorsque les médecins saisissent leurs instructions dans ces outils d'IA, ils incluent accidentellement des informations sensibles sur les patients, lesquelles pourraient ensuite être envoyées vers des serveurs externes. De plus, le paysage juridique et réglementaire est flou. Il n'est pas encore défini qui est responsable si un outil écrit par une IA commet une erreur qui nuit à un patient. Les règles actuelles pour les logiciels médicaux ont été écrites pour des programmeurs humains, et il est incertain comment elles s'appliquent à des outils construits par une conversation avec une machine.

Pour répondre à ces risques, les auteurs proposent un nouveau cadre de gestion de ces outils basé sur le niveau de risque qu'ils posent. Ils suggèrent que les outils à faible risque, tels que les simulations éducatives ou les calculateurs de planification qui ne manipulent pas de données privées des patients, pourraient être déployés avec une surveillance minimale. Les outils qui manipulent des données anonymisées ou soutiennent des flux de travail administratifs nécessiteraient un processus de révision structuré pour garantir qu'ils sont sécurisés et conformes aux lois sur la protection de la vie privée. Le plus haut niveau de contrôle serait réservé aux outils qui influencent directement les décisions cliniques ou accèdent à des informations identifiables des patients. Ces applications à haut risque devraient subir les mêmes tests rigoureux et la même validation que n'importe quel autre dispositif médical avant de pouvoir être utilisées. Les chercheurs soulignent que la méthode de création — qu'elle soit humaine ou assistée par l'IA — ne devrait pas changer les exigences de sécurité pour le produit final.

La revue conclut que, bien que le potentiel de cette technologie pour transformer la santé soit réel, les preuves actuelles sont limitées à des expériences précoces et à des projets à petite échelle. Il n'existe pas de grandes études prouvant que ces outils améliorent les résultats pour les patients, et de nombreux exemples réussis proviennent de pionniers motivés qui pourraient ne pas représenter l'utilisateur moyen. Les auteurs soutiennent que la prochaine étape n'est pas de se précipiter vers une adoption généralisée, mais de construire les garde-fous nécessaires. Cela inclut la création de méthodes standardisées pour tester le code généré par l'IA, la mise à jour des programmes des écoles de médecine pour enseigner aux cliniciens comment utiliser ces outils en toute sécurité, et le développement de règles claires sur la responsabilité en cas de problème. La promesse du « vibe coding » est qu'il permet aux personnes qui en savent le plus sur la santé de construire les outils dont elles ont besoin, mais réaliser cette promesse exigera la même rigueur, la même patience et la même attention à la sécurité qui définissent une bonne pratique médicale.