BI et tableaux de bord hospitaliers : le guide complet

La Business Intelligence hospitalière est devenue un enjeu stratégique. Ospi, l'un des principaux éditeurs du secteur, affirme que 80 % des GHT utilisent sa plateforme à tous les niveaux de l'hôpital. Mais entre les plateformes éditeur qui proposent 800 indicateurs pré-calculés et les besoins cliniques qui demandent du prédictif en temps réel, l'écart se creuse.

Ce guide couvre l'ensemble du sujet : les plateformes disponibles, les cas d'usage par métier, les défis techniques, l'arrivée du machine learning, et quand il faut passer au développement sur mesure.

Les plateformes BI hospitalières en France

Le marché est structuré en trois catégories : les plateformes spécialisées santé, les outils BI génériques adaptés au contexte hospitalier, et les solutions open source.

Plateformes spécialisées santé

Solution	Éditeur	Points forts
Hospivision (Ospi Vision)	Ospi (ex-PSIH)	2 000+ indicateurs normalisés, 5 modules (BI Pilot, PMSI Pilot, Finance Pilot, BI Expert, BI Advisor). Utilisé par 80 % des GHT selon l'éditeur. Bibliothèque Open BI de tableaux de bord communautaires.
M-Data Analytics	Docaposte Santé (ex-Maincare)	BI multi-domaines à l'échelle du GHT (RH, comptabilité, achats, logistique, PMSI, facturation). Éditeur certifié HDS sur les six activités.
Magellan + Sillage Data	Numih France (ex-SIB)	Entrepôt ouvert, modulaire. Sillage Data calcule les indicateurs réglementaires (Hop'EN, CAQES, IQSS) depuis le DPI. 100+ établissements.
Suite Pilotage	Elap	Tableaux de bord pré-configurés, comptabilité analytique (Compta-Ana), analyse des parcours cliniques (FIPS). 40+ ans d'expertise.

Outils BI génériques en contexte hospitalier

Plateforme	Particularités
DigDash	Éditeur français, certifié ISO 27001. Certification HDS en préparation selon l'éditeur. Utilisé par le ministère de la Santé pendant la crise Covid.
Power BI (Microsoft)	Adoption croissante. Azure certifié HDS. Puissant mais nécessite une configuration santé.
Qlik Sense	Bonne capacité d'exploration de données. Demande, comme Power BI, un modèle de données santé à construire.

Open source

Knowage, successeur de SpagoBI, reste une suite BI open source maintenue. Talend Open Studio a été retiré le 31 janvier 2024, et l'édition gratuite de Pentaho est réservée aux étudiants et aux universités. Dans tous les cas, ces outils demandent une expertise IT réelle et un budget de maintenance. Pas "gratuits" en pratique.

Tendance de fond : la BI intégrée dans les DPI est en déclin. Les modules BI embarqués dans les progiciels SIH sont remplacés par des plateformes BI spécialisées, soit éditeur santé, soit génériques adaptées. La BI est devenue un sous-système à part entière du SIH.

Les cas d'usage, métier par métier

PMSI et pilotage d'activité (DIM)

Le PMSI est le cas d'usage historique de la BI hospitalière. Les DIM (Départements d'Information Médicale) utilisent des tableaux de bord pour :

Analyse du case-mix : répartition des GHM (Groupes Homogènes de Malades), identification des activités en croissance ou en déclin
Qualité du codage : détection des erreurs de codage CIM-10/CCAM, qui ont un impact direct sur les recettes T2A
Simulation tarifaire : estimation de l'impact des changements de tarifs T2A sur les recettes
Reporting réglementaire : transmission ATIH, indicateurs Hop'EN

Ospi PMSI Pilot propose 800+ indicateurs normalisés sur ce périmètre. C'est le socle minimum que toute solution doit couvrir.

Bloc opératoire et activité chirurgicale

Le bloc opératoire est l'unité de production la plus coûteuse de l'hôpital. Les indicateurs de pilotage standard :

Indicateur	Définition	Cible
TVO (Temps de Vacation Offert)	Temps programmé d'ouverture de salle	n/a
TROS (Temps Réel d'Occupation des Salles)	Durée réelle d'occupation	Objectif : 85% du TVO (chirurgie programmée)
Taux de rotation	Nombre d'interventions par salle par jour	Maximiser
Taux de vacations vides	Créneaux programmés non utilisés	Minimiser
Taux de débordement	Dépassements horaires au-delà du planning	Minimiser
Taux de complications	Complications post-opératoires par type	Monitorer et prédire
Conversion ambulatoire	Part de chirurgie ambulatoire	Objectif national en hausse

Les plateformes standard suivent le TVO et le TROS. Mais pour aller plus loin (prédire les complications, comparer les résultats observés aux résultats attendus, croiser les données de plusieurs services), il faut du sur mesure.

C'est ce que Bob le développeur a développé avec CareSentinel pour l'AP-HP : un tableau de bord BI chirurgical couvrant 4 services (digestive, thoracique, orthopédique, urologique) avec des modèles statistiques prédictifs qui comparent métriques observées et attendues, et un système d'alertes automatiques à deux niveaux. Ce type de dashboard dépasse ce que les plateformes standard proposent.

Urgences

Le suivi des flux aux urgences est un cas d'usage en temps réel :

Monitoring RPU (Résumés de Passages aux Urgences) : volume, temps d'attente, durée de passage
Indicateurs de tension : dashboards "météo" avec code couleur pour les SAMU
Durée de passage : la moitié des patients pris en charge passent plus de 3 h 10 aux urgences en 2023, contre 2 h 15 en 2013 (DREES)
Taux de transfert vers les services d'hospitalisation
Prédiction des pics : saisonnalité, événements, épidémies

Les plateformes régionales (SESAN en Île-de-France, ORU Occitanie) agrègent les données des urgences à l'échelle territoriale.

Gestion des lits

Le bed management est un cas d'usage en plein développement :

Taux d'occupation : 77,8 % en MCO en 2024 (80,7 % toutes disciplines), pour une durée moyenne de séjour de 5,5 jours en hospitalisation complète MCO en 2023 (DREES)
Suivi temps réel : écrans par service montrant l'état des lits, mis à jour 2 fois par jour par les bed managers
Prédictif : anticipation des besoins en lits à J+1, J+3, J+7

Des éditeurs intègrent déjà du prévisionnel : le DPI Sillage de Numih France comporte une gestion prévisionnelle des lits, et sa solution SAUsmart anticipe les flux aux urgences et les besoins en hospitalisation.

Qualité et certification

Les indicateurs réglementaires nécessitent un suivi dédié :

IQSS (Indicateurs de Qualité et de Sécurité des Soins) : développés par la HAS, utilisés pour la certification et le financement IFAQ
CAQES (Contrat d'Amélioration de la Qualité et de l'Efficience des Soins) : de 1 à 15 indicateurs par contrat (8 nationaux et 7 régionaux au maximum), suivis sur la plateforme e-CARS
Préparation certification HAS : documentation des indicateurs, suivi des plans d'actions

Sillage Data (Numih) et Elap calculent automatiquement ces indicateurs depuis les données du DPI.

Pilotage financier

Suivi des recettes T2A et simulation tarifaire
Comptabilité analytique (coût par séjour, par pôle, par activité)
Modélisation EPRD (État Prévisionnel des Recettes et Dépenses)
Certification des comptes (M21)

Ospi Finance Pilot propose 200+ indicateurs financiers. Elap Compta-Ana est spécialisé sur l'analytique.

Pharmacie

Le médicament est le deuxième poste de dépense de l'hôpital. Les dashboards pharmacie suivent :

Consommation par service, effets prix/volume
Conformité du circuit du médicament (prescription, dispensation, administration)
Indicateurs CAQES "produits de santé"
Suivi des marchés et des achats

Les défis techniques de la BI hospitalière

La qualité des données : le problème fondamental

La BI hospitalière repose sur des données dont la qualité est souvent insuffisante :

Erreurs de codage PMSI : une erreur qui modifie le GHM change le tarif du séjour, donc les recettes T2A.
Données incomplètes : saisie partielle dans le DPI, données manquantes pour certains séjours
Hétérogénéité : chaque service code différemment, les pratiques varient entre établissements d'un même GHT

Les réponses qui fonctionnent : un engagement contractuel entre les services cliniques et le DIM, des TIM (Techniciens d'Information Médicale) embarqués dans les équipes, et des contrôles prospectifs en temps réel.

L'intégration multi-sources

Un hôpital fait tourner des dizaines d'applications métier. La BI doit consolider des données provenant de : DPI, GAP, pharmacie, laboratoire, imagerie, bloc opératoire, RH, PMSI. Chaque système a son propre format, ses propres identifiants, ses propres temporalités.

Les processus ETL (Extraction-Transformation-Chargement) alimentent un entrepôt de données centralisé. Les plateformes spécialisées (Ospi, Docaposte Santé) fournissent des connecteurs pré-construits. Pour les sources non standard, des connecteurs sur mesure sont nécessaires.

Temps réel vs batch

Mode	Cas d'usage	Infrastructure
Batch (quotidien/hebdo/mensuel)	PMSI, finance, qualité, RH	ETL classique, data warehouse
Temps réel (streaming)	Urgences, bloc opératoire, gestion des lits	Feeds automatisés, événements, écrans dédiés

Les dashboards financiers et PMSI fonctionnent en batch. Les dashboards opérationnels (urgences, bloc, lits) nécessitent du temps réel, ce qui impose une architecture technique différente.

Conformité HDS et RGPD

Une plateforme BI qui traite des données de santé à caractère personnel et qui est hébergée par un tiers doit l'être chez un hébergeur certifié HDS. Un établissement qui héberge lui-même son système d'information n'a pas à être certifié. Les données doivent respecter le RGPD santé : pseudonymisation, contrôle d'accès, traçabilité. Docaposte Santé, éditeur de M-Data Analytics, figure sur la liste des hébergeurs certifiés de l'ANS. DigDash annonce préparer sa certification.

Le machine learning dans la BI hospitalière

La BI hospitalière traditionnelle est descriptive : elle montre ce qui s'est passé. Le machine learning la rend prédictive : elle anticipe ce qui va se passer.

Des cas d'usage déjà en place en France

Cas d'usage	Porteur	Description
Prévision des flux aux urgences	Numih France (SAUsmart)	IA qui anticipe les flux de patients et les besoins en hospitalisation
Aide au codage PMSI	Ospi	Automatisation et contrôle du codage médical en MCO et SMR par IA
Analyse prédictive des complications chirurgicales	AP-HP (CareSentinel)	Modèles statistiques comparant résultats observés et attendus sur 4 services chirurgicaux, alertes automatiques
Recherche et pilotage sur données massives	AP-HP (EDS)	Entrepôt de données de santé des 38 hôpitaux, ouvert à la recherche, à l'innovation et au pilotage

L'Entrepôt de Données de Santé de l'AP-HP

L'AP-HP a construit un entrepôt de données de santé à l'échelle de ses 38 hôpitaux : 20 millions de patients, 219 millions de comptes-rendus médicaux, 1,74 milliard de résultats de biologie (chiffres affichés par l'AP-HP en octobre 2026). Sa constitution est autorisée par la CNIL depuis le 19 janvier 2017, pour la recherche, l'innovation et le pilotage de l'activité hospitalière. C'est l'indicateur de la direction que prend la BI hospitalière : des données massives, du ML, du prédictif.

Les freins

Coût : les plateformes intelligentes nécessitent des investissements significatifs, incompatibles avec les budgets des hôpitaux périphériques
Compétences : seulement 6% du personnel hospitalier est formé à l'IA (novembre 2025)
Données : les volumes nécessaires sont importants et dispersés entre des systèmes différents
Réglementation : conformité RGPD, hébergement HDS, comités d'éthique

C'est pourquoi le ML hospitalier est aujourd'hui porté par les CHU et les grands établissements, par quelques éditeurs sur des usages ciblés, ou par des projets sur mesure développés avec des partenaires spécialisés.

Quand le développement sur mesure est nécessaire

Les plateformes BI packagées couvrent 80% des besoins standard. Le développement sur mesure intervient pour les 20% restants :

Cas 1 : Analytics prédictif avec ML

Les plateformes packagées intègrent désormais de l'IA sur des usages ciblés : prévision des flux aux urgences chez Numih France, aide au codage PMSI chez Ospi. Si vous avez besoin de prédire des complications, d'anticiper des réadmissions ou de comparer vos résultats à des modèles propres à vos services, il faut un développement spécifique.

Cas 2 : Dashboard temps réel avec workflow intégré

Un dashboard opérationnel qui ne fait pas que montrer des données mais qui s'intègre dans le workflow clinique (alertes, actions, validation) dépasse le cadre d'un outil BI standard.

Cas 3 : Consolidation multi-sources non standard

Quand les données proviennent de sources que les plateformes BI n'intègrent pas nativement (bases de recherche, équipements biomédicaux, données de capteurs), un développement sur mesure des pipelines de données est nécessaire.

Cas 4 : Besoins analytiques de niche

Chaque spécialité chirurgicale, chaque service, a des KPIs spécifiques que les 800 indicateurs d'Ospi ne couvrent pas. Un tableau de bord de suivi de cohorte en oncologie ou un dashboard de pharmacovigilance spécialisé nécessite un développement adapté.

L'exemple CareSentinel : BI chirurgicale prédictive pour l'AP-HP

CareSentinel est un tableau de bord de Business Intelligence chirurgical développé par Bob le développeur pour l'AP-HP.

Le besoin : les équipes chirurgicales avaient besoin d'un outil de suivi et d'analyse de l'activité chirurgicale, avec des indicateurs prédictifs pour anticiper les complications et optimiser les résultats.

La solution :

Dashboard couvrant 4 services chirurgicaux : digestive, thoracique, orthopédique, urologique
Analytics prédictif : modèles statistiques comparant métriques observées et attendues (taux de complications, mortalité, revenus) avec intervalles de confiance
Système d'alertes à deux niveaux : critique (hors intervalle de confiance) et warning (au-dessus des prédictions)
Analyse des contributeurs : identification des actes chirurgicaux contribuant le plus aux complications, avec test de significativité à 95%
Authentification Keycloak avec contrôle d'accès RBAC (chaque praticien ne voit que les données de son service)
Résumés IA générés mensuellement par LLM
Stack : Next.js, TypeScript, Tailwind CSS, Recharts, Docker

Pourquoi du sur mesure : nous n'avons pas identifié de plateforme BI standard qui propose de l'analytics prédictif chirurgical avec comparaison observé/attendu, alertes automatiques et analyse par acte sur des services spécifiques. Le besoin était trop spécialisé pour un produit packagé.

Comment choisir entre plateforme BI et sur mesure

Besoin	Plateforme packagée	Sur mesure
PMSI / case-mix / T2A	Oui	Non nécessaire
Indicateurs réglementaires (IQSS, CAQES)	Oui	Non nécessaire
Pilotage financier standard	Oui	Non nécessaire
Consolidation GHT multi-sites	Oui (si même éditeur)	Si éditeurs différents
Dashboard bloc opératoire (TVO, TROS)	Oui	Si ML/prédictif requis
Prédiction complications chirurgicales	Non	Oui
Portail de données temps réel + workflow	Partiel	Oui
Analytics sur données non standard	Non	Oui
Dashboard de niche (cohorte, pharmaco)	Non	Oui

La bonne approche est souvent hybride : une plateforme packagée pour le socle réglementaire et financier, et du développement sur mesure pour les besoins cliniques avancés et le prédictif.

Comment Bob le développeur peut vous accompagner

Bob le développeur développe des tableaux de bord BI sur mesure pour les établissements de santé publics. L'agence a conçu CareSentinel pour l'AP-HP.

L'expertise couvre :

Dashboards BI avec intégration de données multi-sources (DPI, PMSI, laboratoire, bloc)
Analytics prédictif appliqué aux données hospitalières (modèles statistiques, intervalles de confiance, alertes)
Visualisation avancée avec Recharts, D3.js
Hébergement HDS et conformité RGPD santé
Interopérabilité FHIR/HL7 pour l'intégration avec le SIH

Budget estimatif pour un projet BI hospitalier sur mesure : 80 000 à 300 000 EUR selon la complexité.

Prenez rendez-vous pour discuter de votre projet BI.

Conclusion

La BI hospitalière est en transition. Les plateformes packagées couvrent le pilotage PMSI, financier et réglementaire : c'est le socle que la plupart des GHT utilisent déjà (80 % pour la seule plateforme d'Ospi, selon l'éditeur). Mais les besoins cliniques avancés (prédictif propre à un service, temps réel, workflow) dépassent ce que ces plateformes proposent en standard.

L'enjeu pour un DSI est de combiner les deux : une plateforme standard pour le reporting réglementaire, et des développements sur mesure pour les besoins cliniques spécifiques qui créent de la valeur médicale. C'est cette couche de BI avancée qui transforme les données en décisions cliniques.

Pour approfondir : développement sur mesure vs éditeur SIH, coût d'un projet e-santé hospitalier, Ségur Vague 2, développement pour les institutions de santé.

Sources : mySIH : Plateformes BI en santé, Ospi : plateforme BI, AP-HP : Entrepôt de Données de Santé, ANS : liste des hébergeurs certifiés HDS, DigDash : démarche HDS, Numih France : prévision des urgences, DREES : durée de passage aux urgences (ER 1372), ARS PACA : CAQES, HAS : IQSS.