IA locale pour neuropsychologue : comptes rendus sans cloud
En résumé : une IA locale permet à un neuropsychologue d'automatiser la rédaction de ses comptes rendus, la transcription de ses entretiens et le calcul de ses scores de tests, sans qu'aucune donnée patient ne quitte son ordinateur. Contrairement aux solutions en ligne par abonnement, tout le traitement s'exécute sur une station de travail installée au cabinet. Nous avons conçu et livré une solution de ce type en 2026 : configuration matérielle dédiée, modèles d'IA installés en local, et application de compte rendu développée sur mesure autour de la méthode de travail réelle de la praticienne.
La rédaction des comptes rendus est le point de friction le plus universellement partagé par les neuropsychologues. Un bilan complet représente plusieurs heures de passation, puis une soirée entière de rédaction à la maison. La question n'est plus de savoir si l'IA peut aider : elle le peut. La vraie question, dans une profession qui manipule des données de santé, est où ces données sont traitées.
Cet article explique concrètement ce qu'une IA locale peut faire pour un cabinet de neuropsychologie, ce qu'elle ne doit surtout pas faire, et détaille un projet réel que nous avons mené de bout en bout.
Pourquoi le cloud pose un problème pour un cabinet de neuropsychologie
Un compte rendu de bilan neuropsychologique contient l'identité d'un patient, souvent mineur, sa date de naissance, son parcours scolaire, ses antécédents médicaux et familiaux, et ses résultats à des tests psychométriques. C'est une donnée de santé au sens du RGPD, dans sa catégorie la plus sensible.
Utiliser un service d'IA en ligne pour rédiger ces documents soulève trois questions distinctes :
- Le transfert. Les données quittent le cabinet et transitent vers un serveur tiers. Il faut alors s'assurer du lieu d'hébergement, de la certification HDS (Hébergeur de Données de Santé) quand elle est requise, et de la chaîne de sous-traitance.
- La dépendance. Un abonnement mensuel signifie que l'outil ne vous appartient jamais. Le tarif peut évoluer, les conditions aussi, et l'arrêt du service met fin à l'usage.
- Le périmètre figé. Les plateformes SaaS proposent un nombre fini de modèles de comptes rendus. Si votre méthode de cotation ou votre trame ne correspond pas exactement, vous adaptez votre pratique à l'outil plutôt que l'inverse.
Une installation locale répond aux trois : la donnée ne sort pas de la machine, le matériel et les logiciels vous appartiennent définitivement, et l'application est construite autour de votre trame existante.
Précision importante : traiter les données en local supprime la question du transfert vers un tiers, mais ne dispense pas le praticien de ses obligations de responsable de traitement (registre, information des patients, sécurisation du poste, consentement à l'enregistrement d'un entretien). L'IA locale simplifie considérablement la conformité, elle ne la remplace pas.
Ce qu'une IA locale sait faire, concrètement
Sur une station correctement dimensionnée, les modèles d'IA open source actuels couvrent quatre besoins directement utiles à un bilan :
1. Transcrire un entretien d'anamnèse
Un modèle de transcription vocale (Whisper) tourne en local et convertit l'enregistrement de l'entretien avec les parents en texte. Aucun fichier audio n'est envoyé nulle part. Sur une carte graphique récente, une heure d'entretien se transcrit en quelques minutes.
2. Rédiger l'anamnèse à partir de cette transcription
Un modèle de langage local reprend le texte brut — avec ses hésitations, ses répétitions, ses phrases inachevées — et le met en forme au style rapporté, dans un français professionnel écrit. Le praticien relit et corrige : l'objectif est de supprimer la page blanche, pas la relecture.
3. Lire les feuilles de cotation remplies à la main
Un modèle de vision (OCR par IA) transcrit les images de feuilles de cotation, y compris les tableaux scannés ou remplis au stylet sur écran, en données structurées exploitables.
4. Interroger ses propres documents
Un système RAG (recherche augmentée) indexe les documents du cabinet et permet de les interroger en langage naturel, toujours sans connexion.
Ce qu'une IA ne doit pas faire dans un bilan
C'est le point que nous considérons comme le plus important du projet, et celui qui distingue une solution sérieuse d'une démonstration séduisante.
Un modèle de langage ne doit jamais calculer ni décider un score. Les modèles de langage sont probabilistes : ils produisent ce qui ressemble à une réponse plausible. Sur un z-score ou un classement clinique, cette approximation est inacceptable.
Dans la solution que nous avons livrée, la séparation est stricte :
| Tâche | Exécutée par | Pourquoi |
|---|---|---|
| Calcul du z-score | Code déterministe | Une division. Reproductible, vérifiable à la main. |
| Classement (normal / fragile / pathologique) | Code déterministe | Comparaison à un seuil fixe. |
| Mise en forme du tableau | Code déterministe | Aucune interprétation possible. |
| Rédaction des sections narratives | Modèle de langage local | Reformule des résultats déjà calculés, sans les rediscuter. |
| Diagnostic, interprétation clinique | Le praticien, exclusivement | Hors du périmètre de l'outil, par conception. |
Autrement dit : la machine calcule ce qui se calcule, met en phrases ce qui a été calculé, et s'arrête là. L'interprétation reste entièrement du ressort du professionnel.
Cas concret : une station IA sur mesure pour un cabinet de neuropsychologie
En 2026, une neuropsychologue exerçant en libéral nous a contactés avec un besoin précis : automatiser la production de ses comptes rendus de bilan cognitif, sans mettre en ligne la moindre donnée patient. Voici comment le projet s'est déroulé.
Le point de départ
Sa méthode de travail reposait sur des feuilles de cotation remplies au stylet, des fichiers Excel dont le contenu était intégralement composé d'images, des tables de conversion en PDF, et une trame de compte rendu personnelle affinée au fil des années. Aucune plateforme du marché ne correspondait à cette organisation.
La configuration matérielle
| Processeur | AMD Ryzen 5 7500F |
| Carte graphique | NVIDIA GeForce RTX 5060 Ti 16 Go |
| Mémoire vive | 32 Go DDR5 6000 MHz |
| Stockage | SSD NVMe 1 To |
| Périphérique | Micro-enceinte de conférence, captation jusqu'à 4,5 m |
Les 16 Go de mémoire vidéo sont le point déterminant : ils permettent de faire tourner confortablement un modèle de langage de 12 milliards de paramètres et un modèle de vision, sans dépendre du processeur.
La couche logicielle installée
- Ollama, avec deux modèles de langage généralistes préinstallés
- Un modèle de vision pour la lecture des feuilles de cotation
- Whisper pour la transcription vocale
- Un système RAG documentaire
- Un accès distant sécurisé pour le support technique
L'application développée sur mesure
C'est le cœur du projet. Plutôt que d'imposer un outil générique, nous avons développé une application reprenant exactement la trame de compte rendu de la praticienne, organisée en cinq onglets qui suivent son déroulé réel de travail :
- Entretien — enregistrement au micro ou import d'un fichier audio existant, puis transcription et rédaction automatiques de l'anamnèse.
- Fiche patient — les champs d'en-tête (nom, âge, classe, motif de consultation) sont pré-remplis à partir de ce qui a été dit pendant l'entretien, et signalés visuellement pour être vérifiés.
- Scores — saisie des notes brutes relevées sur les feuilles de cotation, avec calcul immédiat du z-score et du statut, et navigation au clavier pour saisir une feuille entière sans la souris.
- Sections du bilan — rédaction automatique de l'efficience intellectuelle, des capacités attentionnelles, de la synthèse et de la conclusion, à partir du tableau déjà calculé.
- Transcription brute — ce que le micro a réellement capté, consultable en cas de doute sur une reformulation.
L'export produit un document Word ou OpenDocument reprenant sa mise en page complète, logo et coordonnées compris, classé automatiquement par année et par mois.
Un détail révélateur
En validant notre module de calcul contre un compte rendu réel déjà rendu, nous avons recalculé vingt-sept lignes de résultats. Vingt-six correspondaient exactement. La vingt-septième portait un signe inversé — une erreur de saisie manuelle, invisible à la relecture, dans un document déjà transmis au médecin prescripteur.
C'est l'argument le plus juste en faveur de ce type d'outil : il ne s'agit pas de remplacer l'expertise du praticien, mais de supprimer les erreurs mécaniques que la fatigue rend inévitables après plusieurs heures de passation.
Combien de temps cela fait-il gagner ?
Le gain se situe sur trois postes : la page blanche de l'anamnèse, la recopie manuelle des scores et le calcul des z-scores, et la mise en page du document final. En pratique, un praticien qui consacrait une soirée à un compte rendu passe à une relecture et une correction — l'ordre de grandeur observé est une réduction de moitié du temps de rédaction, variable selon la complexité du bilan.
Le point souvent sous-estimé : la possibilité d'enchaîner deux bilans dans la même journée sans reporter la rédaction du premier à la maison.
Foire aux questions
L'IA locale est-elle vraiment conforme au RGPD ?
Le traitement local supprime le transfert de données vers un tiers, ce qui élimine la question de l'hébergement et de la sous-traitance. Le praticien reste néanmoins responsable de traitement : il doit tenir son registre, informer ses patients, sécuriser son poste et recueillir le consentement avant d'enregistrer un entretien. L'IA locale simplifie fortement la mise en conformité, elle ne s'y substitue pas.
Faut-il une connexion internet pour utiliser la solution ?
Non. Une fois l'installation faite, tout fonctionne hors ligne. La connexion n'est utile que pour les mises à jour et le support à distance, si vous le souhaitez.
Un modèle local est-il moins performant qu'un modèle en ligne ?
Sur des tâches de raisonnement complexe, les modèles propriétaires en ligne conservent une avance. Sur la mise en forme d'un texte dicté et la rédaction structurée d'un compte rendu à partir de données fournies, un modèle local de 12 milliards de paramètres est parfaitement adapté. Le critère pertinent n'est pas la puissance brute, mais l'adéquation à la tâche.
L'IA rédige-t-elle le diagnostic ?
Non, et c'est un choix de conception. L'application est explicitement contrainte de décrire des résultats déjà calculés, sans formuler d'hypothèse clinique, de diagnostic ni de recommandation. L'interprétation reste entièrement du ressort du praticien.
Peut-on adapter la solution à d'autres tests ou d'autres professions ?
Oui. La logique — saisie des données, calcul déterministe, rédaction assistée, export dans votre trame — se transpose à d'autres batteries de tests et à d'autres professions réglementées : orthophonie, psychologie clinique, médecine, expertise.
Que se passe-t-il en cas de problème technique ?
Un logiciel de prise en main à distance est installé, activable uniquement quand vous le décidez. La machine bénéficie par ailleurs de notre garantie de 2 ans.
Pour qui cette approche a-t-elle du sens ?
Une station IA locale devient pertinente lorsque trois conditions sont réunies : vous manipulez des données que vous ne voulez pas voir transiter en ligne, votre méthode de travail est trop spécifique pour une plateforme générique, et le volume de documents produits justifie l'automatisation.
C'est typiquement le cas des neuropsychologues, orthophonistes, psychologues cliniciens, médecins libéraux, avocats et experts-comptables — toutes les professions où le secret professionnel et la production documentaire se rencontrent.
Discutons de votre cas
Chaque cabinet a sa propre méthode de travail. Nous étudions votre organisation actuelle, puis nous vous disons honnêtement ce qui est automatisable et ce qui ne l'est pas.
Découvrir nos stations IA locales · Demander une étude personnalisée
