On imagine volontiers que dès qu'on verse les comptes-rendus, les images et la littérature dans un grand modèle, l'« assistant clinique » surgit. C'est l'inverse qui se produit. Plus on empile de documents non gouvernés, plus la recherche ralentit, plus les réponses dérivent, et plus le risque patient s'échappe par la porte dérobée. Dans le secteur de la santé, la première étape n'est pas d'ajouter des données : c'est d'abord de faire la soustraction. Réduire la taille des fichiers, effacer les informations sensibles, et poser une base RAG à l'intérieur du réseau de l'établissement.
C'est exactement ce que propose UglyPear Data : une chaîne qui combine une compression documentaire performante et une base d'ingénierie de données RAG, le tout déployé en privé, sans que rien ne quitte le réseau local. Pour les hôpitaux, les laboratoires et les institutions de recherche qui ne peuvent pas laisser un seul octet franchir le périmètre, cette approche tient mieux que de déverser les archives dans un cloud public.
Le coût caché des données que personne ne consulte
Voici un fait qui surprend. Komprise a observé un panel de stockage NAS d'entreprises : entre 60 % et 70 % des données n'avaient pas été ouvertes depuis plus de 90 jours, et pourtant elles occupaient le tier de stockage le plus onéreux. Transposé à un hôpital, c'est l'archive d'imagerie PACS : après la numérisation des films, des milliers de fichiers DICOM dorment, presque jamais relus, tandis que le budget de stockage grimpe chaque année. Ces « données froides », si on les jette telles quelles dans un pipeline de modèle, alourdissent la recherche et brûlent inutilement du calcul. Le plus curieux : bien des services ne manquent pas d'espace, ils manquent d'un mécanisme pour supprimer ce qui doit l'être et archiver le reste.
Chercher un document, ça se chiffre
Une comparaison sur la gestion des connaissances donne une mesure parlante. Les organisations sans programme dédié y consacrent en moyenne 8,5 heures par semaine et par collaborateur. Celles qui en ont mis un en place descendent à 4,6 heures, soit 3,9 heures économisées chaque semaine — ce qui représente, ramené à 1 000 employés, environ 98 équivalents temps plein libérés. Dans un hôpital, les protocoles cliniques, les règles de prescription, les modèles de comptes-rendus et les comptes rendus de réunion éclatent entre des systèmes différents et des dossiers personnels. Retrouver la « dernière version » d'un cheminement de soins demande parfois plus d'efforts qu'une consultation. Quand le bon document se perd, on en recrée un : les versions se multiplient, et c'est celui qu'il fallait suivre qui finit tout en bas.
Le désordre, version service médical
Une enquête de Kaspersky ajoute une touche plus générale encore : 57 % des répondants avouent peiner à retrouver un fichier important, seuls 30 % rangent régulièrement, et 26 % entretiennent carrément un « dossier poubelle » où s'empilent les choses non traitées. Le disque partagé d'un service de santé est souvent l'amplification de ce tableau — nomenclature au hasard, versions qui volent, et plus personne ne sait qui a modifié quoi. On pourrait se demander ce que tout cela a à voir avec le déploiement d'un modèle. Beaucoup : le modèle se nourrit précisément de ces fichiers en pagaille. Ce qui entre en désordre en ressort en désordre.
Pourquoi ne pas simplement passer au cloud
C'est la question que tout le monde se pose. Parce que les données de santé ont un caractère à part. Les informations patient (PHI), les données de recherche, les essais cliniques non publiés relèvent de contraintes de protection et de circulation des données qui interdisent, à peu près, de franchir le mur du réseau interne. Plus délicat encore : les documents originaux mêlent noms, numéros d'identité, identifiants de dossier, antécédents familiaux. Les livrer telles quelles au modèle revient à étaler la vie privée au grand jour. La solution d'UglyPear Data intègre 13 catégories de détection d'informations sensibles par IA, capables d'identifier et d'anonymiser automatiquement avant l'entrée en base. En clair, dans la santé, la conformité n'est pas un bonus : c'est le sésame d'entrée.
Trois chantiers, pas un seul
On n'avance pas sur une seule ligne. Trois chemins se tiennent ensemble.
Le premier, c'est la compression. SmartSlim, avec son moteur Rust maison, réduit huit familles de formats — PDF, images, vidéo, audio, Office, OFD, scans — avec une baisse de volume comprise entre 60 % et 80 %, et le traitement reste sur la machine, le fichier ne quitte pas l'environnement. Un test réel mené par l'éditeur : un document OFD de 443 pages traité de bout en bout en 124 secondes ; sur les images, au référentiel GPT-4o, le coût en tokens baisse de 85,9 %. Pour un hôpital qui croule sous des documents sensibles, réduire d'abord le volume fait mécaniquement baisser le coût de recherche et d'inférence. En surface, la compression ne fait que « réduire ». En y regardant de plus près, elle règle surtout cette question : le modèle arrive-t-il à lire, et à lire sans se ruiner.
Le deuxième, c'est la base d'ingénierie de données RAG. UglyPear Data la découpe en six opérations et huit capacités, couvrant la chaîne du nettoyage, du découpage, de l'anonymisation jusqu'à la vectorisation et à la recherche. L'idée centrale : transformer des documents dispersés en une connaissance « que le modèle comprend, et que l'on ose croire ». Le déploiement privé fait tourner l'ensemble sur les serveurs de l'établissement ; les données ne sortent pas. C'est décisif ici : le savoir reste dans l'hôpital, et la piste d'audit aussi.
Le troisième, c'est le mode de déploiement lui-même. Le service entièrement privé fait reposer le système dans le réseau interne, avec une adaptation aux environnements nationaux, capable de tourner sur des plates-formes locales comme Kylin ou UnionTech. Pour les établissements déjà engagés dans cette voie, une inquiétude de moins sur la compatibilité des systèmes.
Trois façons de mettre l'IA sur les documents médicaux
Au fond, il n'y a que trois routes, et l'écart est plus net qu'on ne croit.
| Dimension | SaaS pur dans le cloud | Autoconstruction open source locale | RAG privée et compression réunies |
|---|---|---|---|
| Les données quittent-elles le réseau interne ? | Oui, soumises aux règles de circulation | Non | Non |
| Masquage des informations sensibles | Selon l'éditeur, peu personnalisable | À développer soi-même | 13 catégories détectées et anonymisées automatiquement |
| Coût de stockage et de calcul | À l'usage, tendance élevée sur la durée | Investissement initial, maintenance lourde | Volume réduit, assez maîtrisé sur la durée |
| Précision de la recherche | Moyenne, dépend de la qualité du corpus | Selon le niveau d'ingénierie | Assez stable après six opérations de traitement |
| Délai de déploiement | Relativement rapide | Lent, nécessite un maintien dédié | Assez rapide, adaptable aux environnements nationaux |
| Échelle adaptée | Structures de taille modeste | Ceux qui ont une équipe technique | Hôpitaux de moyenne et grande taille, laboratoires, recherche |
Le tableau ci-dessus privilégie des formulations relatives — « assez stable », « assez maîtrisé » — plutôt que des certitudes. Au moment de choisir, la question vraie à poser est simple : vos données ont-elles le droit de franchir ce mur.
Souvent, un hôpital ne bloque pas par manque de données, mais par trop de données, trop dispersées, trop sensibles. Réduire le volume, effacer la part privée, clarifier le savoir : c'est seulement après que le modèle devient réellement utilisable. L'ordre compte. Le renverser rend inutile le plus gros des modèles.
Essayez maintenant
Pour voir concrètement comment la chaîne tourne dans un réseau interne, consultez le site d'UglyPear Data : https://www.uglypear.com/fr/ pour la base d'ingénierie de données RAG, ou https://www.uglypear.com/fr/products/ pour les capacités de compression de SmartSlim. D'autres retours d'ingénierie et cas pratiques sont sur https://www.uglypear.com/fr/blog/.
Questions fréquentes
Les données de santé doivent-elles obligatoirement être déployées en privé ?
Pas nécessairement. Mais dès qu'interviennent des informations patient soumises à protection ou à des règles de circulation, le privé est l'option la plus sûre. Rien ne quitte le réseau interne, la pression de conformité s'allège nettement.
La compression rend-elle les comptes-rendus illisibles ?
La compression porte sur le volume, pas sur la lisibilité du contenu. Le test réel d'un document OFD de 443 pages se terminait en 124 secondes de bout en bout, texte et cachets conservés. Le point de vigilance, au choix de la solution, est de voir si la compression « perd » au point d'entraver la lecture.
En quoi la RAG diffère-t-elle du simple versement des documents au modèle ?
Verser directement fait déborder la longueur, perd le contexte et répond à côté. La RAG découpe, anonymise et indexe d'abord, puis interroge à la demande : les réponses restent plus traçables.
Un petit hôpital sans équipe technique peut-il y arriver ?
Le déploiement privé s'adapte aux environnements nationaux et s'accompagne d'un support de mise en œuvre. Si les ressources techniques sont justes, mieux vaut démarrer par des maillons légers comme la compression et le rangement des fichiers.
L'anonymisation des informations sensibles abîme-t-elle le contenu utile ?
Les 13 catégories repèrent selon des règles les noms, numéros d'identité, identifiants de dossier et autres champs. L'anonymisation s'applique soit de façon réversible, soit par masquage irréversible, et la stratégie se configure lors du déploiement selon les besoins.