Après avoir transformé l'industrie aéronautique et manufacturière, le concept de « jumeau numérique » (digital twin) s'impose progressivement dans le secteur de la santé. L'idée : construire une réplique virtuelle et dynamique d'un organe, d'un système physiologique ou d'un patient entier, capable de simuler son comportement et d'anticiper l'évolution d'une maladie ou la réponse à un traitement. Portée en France par des programmes publics-privés comme MEDITWIN, cette technologie est présentée comme l'une des briques les plus prometteuses de la « médecine 5P »  prédictive, personnalisée, préventive, participative et fondée sur la preuve. Mais entre les promesses affichées lors des grands salons professionnels et la réalité clinique du terrain, la nuance reste de mise.

Qu'est-ce qu'un jumeau numérique de santé ?

Le concept trouve son origine dans l'industrie : la NASA a été la première à utiliser des répliques numériques pour simuler des systèmes physiques, une approche popularisée par la gestion de la mission Apollo 13. Depuis, le procédé s'est étendu à l'aéronautique, à l'énergie et à la construction, avant de gagner, plus tardivement, le secteur médical.

Un point de vocabulaire mérite d'être souligné, car il est régulièrement source de confusion dans la presse et les communications commerciales. Lors d'une table ronde organisée à SantExpo 2026, Lionel Reichardt, fondateur de Pharmageek, a rappelé qu'à peine 12 % des publications se revendiquant du « jumeau numérique » correspondent réellement à la définition établie par l'Académie des sciences aux États-Unis. La distinction porte sur deux notions :

le Digital Shadow (« ombre numérique ») : le patient alimente en continu un modèle de données, mais sans boucle de retour vers lui ;

le véritable jumeau numérique (Digital Twin) : une communication bidirectionnelle existe entre l'objet physique (le patient) et son double virtuel, si bien que les prédictions générées par le modèle influencent réellement la prise en charge clinique.

Seule cette seconde catégorie correspond, au sens strict, à un jumeau numérique de santé.

Une contrainte technique propre au vivant : la donnée

Contrairement à l'industrie manufacturière, où des capteurs IoT produisent des flux de données homogènes et structurés, le corps humain est infiniment plus complexe à modéliser. En France, le Système national des données de santé (SNDS) rassemble environ 300 variables par patient sur 67 millions de personnes. Or, pour qu'une intelligence artificielle puisse apprendre de façon fiable, une règle empirique évoquée par Jérôme Vetillard (VP R&D chez Qualees) suggère qu'il faut environ 100 fois plus de lignes de données que de variables,  soit, pour 300 variables, un minimum de 30 000 lignes par cohorte. Une exigence que la plupart des cohortes cliniques actuelles ne remplissent pas encore, ce qui freine la généralisation des modèles.

À cela s'ajoutent des défis bien identifiés par les chercheurs :

- la qualité et l'exhaustivité des données médicales, condition de fiabilité des prédictions ;

- l'interopérabilité, les systèmes d'information hospitaliers restant souvent fragmentés d'un établissement à l'autre ;

- la nécessité de pratiques rigoureuses de data curation et de data governance pour garantir la validité des modèles ;

- la complexité intrinsèque du corps humain, dont la modélisation fidèle reste un défi scientifique majeur, nécessitant une validation clinique poussée (études contrôlées) avant tout déploiement à grande échelle.

MEDITWIN : le grand programme français

En France, le projet phare en la matière est MEDITWIN, annoncé le 11 décembre 2023 en présence du président de la République dans le cadre du plan d'investissement France 2030, et financé par Bpifrance. Piloté par Dassault Systèmes, chef de file industriel, le consortium réunit 14 partenaires fondateurs : sept Instituts hospitalo-universitaires (IHU), le CHU de Nantes, l'Inria, ainsi que quatre start-up (CODOC, inHeart, Qairnel et Neurometers).

Le programme, doté d'un horizon de six ans (2024-2029), vise à développer des jumeaux virtuels personnalisés d'organes, du métabolisme et de tumeurs cancéreuses, autour de 17 cas d'usage répartis sur plusieurs aires thérapeutiques, dont les maladies cardiométaboliques et l'oncologie de précision. Le professeur Stéphane Hatem, directeur général de l'IHU ICAN, explique que l'objectif est d'établir, pour chaque individu, en fonction de ses facteurs de risque, y compris sa signature génomique,, une estimation personnalisée du risque de développer une maladie cardiovasculaire. Les bénéfices attendus seront évalués à trois niveaux : la qualité des décisions médicales, l'efficience des soins et la sécurité des pratiques et interventions.

Des applications déjà concrètes, mais encore ciblées

Au-delà de MEDITWIN, plusieurs usages de jumeaux numériques sont d'ores et déjà expérimentés ou déployés dans le monde :

-Cardiologie : la solution américaine HeartFlow, mentionnée par le chercheur Dominique Chapelle, permet d'éviter un examen invasif avant la pose d'un stent, en modélisant virtuellement le flux sanguin coronarien à partir d'un scanner.

-Recherche pédiatrique : l'hôpital pour enfants de Boston développe un jumeau virtuel du cœur, tandis que l'AP-HM (Marseille) travaille sur une réplique virtuelle du cerveau, dans le cadre de collaborations avec Dassault Systèmes.

-Gestion hospitalière : l'hôpital Johns Hopkins a utilisé un jumeau numérique pour fluidifier le parcours des patients dans ses services d'urgence, réduisant le temps d'attente de 25 %, avec à la clé une meilleure répartition territoriale des ressources.

• Maladies métaboliques : une étude a suivi 1 800 patients atteints de diabète de type 2, chacun disposant d'un jumeau numérique reflétant son alimentation, sa glycémie, son état métabolique et ses habitudes de vie, la plateforme suggérant ensuite des ajustements alimentaires personnalisés.

Ces exemples illustrent une réalité importante : la technologie progresse davantage par des applications ciblées (un organe, une pathologie précise) que par la promesse, encore lointaine, d'un « double numérique » complet du corps humain. Le précédent du projet Watson for Oncology d'IBM, qui visait à révolutionner le traitement personnalisé du cancer mais n'a pas su prendre en compte toute la complexité clinique de la discipline, illustre les limites actuelles de l'exercice.

Un cadre juridique déjà structuré autour de la donnée de santé

En Europe, l'exploitation des données nécessaires à l'entraînement de ces modèles s'inscrit dans un cadre juridique strict. Le Règlement général sur la protection des données (RGPD), entré en application le 25 mai 2018, impose aux organismes traitant des données de santé une responsabilisation renforcée. La CNIL a publié plusieurs référentiels et fiches pratiques encadrant la constitution d'« entrepôts de données de santé », qui doivent soit recueillir le consentement explicite des personnes concernées, soit faire l'objet d'une déclaration de conformité ou d'une autorisation préalable de l'autorité.

Plus récemment, la Haute Autorité de santé (HAS) et la CNIL ont conjointement lancé une consultation publique sur un projet de guide encadrant l'usage de l'intelligence artificielle en contexte de soins, à la suite de l'introduction de critères dédiés à l'IA dans le sixième cycle de certification des établissements de santé. Ce texte poursuit deux objectifs : clarifier les obligations légales des professionnels et structures de santé, et établir des recommandations de bonnes pratiques pour un déploiement éthique et sécurisé. Au niveau européen, le RGPD et l'AI Act (règlement européen sur l'intelligence artificielle) sont conçus comme complémentaires, partageant l'objectif de protéger les droits individuels tout en encadrant les usages de l'IA, notamment via des obligations de transparence, de traçabilité et de notification en cas d'incident.

Les enjeux éthiques et sociétaux

Le développement des jumeaux numériques soulève des questions qui dépassent le seul cadre technique :

La réduction du vivant à la donnée. Le corps humain, souligne l'association Harmonie Santé dans une analyse consacrée au sujet, ne se réduit pas à un ensemble de données : il est porteur d'une histoire, d'une subjectivité et évolue dans un environnement social et physique qui échappe en partie à toute modélisation.

L'accessibilité et les inégalités. Les coûts de développement et de maintenance d'un jumeau numérique restent aujourd'hui élevés, ce qui pourrait réserver cette médecine de précision à une élite ou aux pays les plus riches, en l'absence d'une régulation forte et d'investissements publics structurants, un risque explicitement pointé par les experts réunis à SantExpo 2026.

L'explicabilité des modèles et les biais. Les recommandations des institutions (CNIL, HAS) insistent sur la nécessité d'un consentement éclairé, d'une explicabilité des algorithmes et d'une vigilance sur les biais susceptibles de creuser les disparités entre populations de patients.

Perspectives

Le secteur reste dans une phase de structuration active. Le premier congrès dédié aux jumeaux numériques en santé en France, organisé par la SoFIA-Santé, s'est tenu le 29 mai 2026 aux Hospices de Beaune, avec l'ambition explicite de structurer l'écosystème français et européen de l'IA en santé. Au niveau des tendances 2026 identifiées par les observateurs du secteur, le jumeau numérique est considéré comme l'une des promesses les plus abouties de la médecine prédictive, mais son déploiement à grande échelle reste conditionné à trois prérequis : une collecte de données multisources robuste (capteurs connectés, imagerie, génomique), une puissance de calcul adaptée (cloud haute performance) et un encadrement éthique solide.

Les jumeaux numériques de santé ne relèvent plus de la science-fiction : des programmes structurants comme MEDITWIN, des cas d'usage cliniques concrets (cardiologie, diabète, gestion hospitalière) et un cadre réglementaire déjà en construction (RGPD, AI Act, travaux CNIL-HAS) en attestent. Pour autant, la technologie reste à un stade précoce de maturité : la majorité des outils actuellement commercialisés sous ce label correspondent en réalité à des modèles prédictifs partiels plutôt qu'à de véritables jumeaux bidirectionnels, et les obstacles liés au volume de données, à l'interopérabilité et à l'équité d'accès restent entiers. La médecine prédictive de demain se construira donc moins par une rupture soudaine que par une accumulation progressive de cas d'usage validés cliniquement, spécialité par spécialité.

Sources principales consultées :

Futura Sciences (table ronde SantExpo 2026, en partenariat avec Bpifrance et La French Care), Dassault Systèmes, Inria, Institut Imagine : communications officielles sur le projet MEDITWIN, IHU ICAN, Techniques de l'Ingénieur (entretien avec Claire Biot, Dassault Systèmes), CNIL (fiches pratiques IA et santé, RGPD appliqué à la santé, consultation HAS-CNIL), Sermo (réseau de médecins) : analyse des usages cliniques des jumeaux numériques, Bordeaux Santé Event : usages, défis et perspectives des jumeaux numériques, Buzz-santé : tendances numériques en santé 2026, Harmonie Santé : enjeux éthiques, ON HEALTH : Congrès SoFIA-Santé

Asma Ayadi