IA en MDPH : comment évaluer une expérimentation avant de généraliser
Handicap, autonomie et accessibilité Dimitri Jorand
La CNSA a lancé le 11 mars 2026 une expérimentation avec 11 MDPH pour tester des solutions d'intelligence artificielle. Ce cadre expérimental limité appelle des critères précis d'évaluation avant toute généralisation : utilité, biais, protection des données, explicabilité et supervision humaine.
La CNSA a lancé le 11 mars 2026 une expérimentation avec 11 MDPH pour tester des solutions d'intelligence artificielle sur certaines tâches d'évaluation et d'instruction des dossiers. Il s'agit d'une expérimentation limitée dans le temps et dans le nombre de MDPH participantes, pas d'une généralisation décidée. Avant d'envisager tout déploiement plus large, chaque MDPH doit pouvoir répondre à des critères précis d'utilité, de maîtrise des biais, de protection des données personnelles, d'explicabilité et de supervision humaine.
Ce que la CNSA a annoncé le 11 mars 2026
Le 11 mars 2026, la Caisse nationale de solidarité pour l'autonomie a annoncé le lancement d'une expérimentation associant 11 maisons départementales des personnes handicapées pour tester des solutions d'intelligence artificielle dans le cadre de leurs missions. Cette annonce ne décrit ni une obligation nouvelle pour l'ensemble des MDPH, ni un calendrier de généralisation. Elle décrit un cadre expérimental, circonscrit à un nombre limité de structures volontaires, destiné à observer des usages concrets avant toute décision ultérieure.
Pour une direction de MDPH qui n'est pas engagée dans cette expérimentation, la question porte sur les critères qui permettront, le moment venu, d'évaluer si une solution testée mérite d'être considérée plus largement. Cette distinction entre expérimentation et généralisation structure l'ensemble de cet article.
Pourquoi commencer par une expérimentation
Le choix d'une expérimentation limitée à 11 MDPH répond à une logique de prudence méthodologique propre aux usages de l'intelligence artificielle dans des missions à fort enjeu pour les personnes. Les MDPH instruisent des demandes qui déterminent l'accès à des droits et des prestations pour des personnes en situation de handicap. Une solution d'intelligence artificielle mal calibrée, introduite trop rapidement à grande échelle, pourrait reproduire ou amplifier des biais présents dans les données historiques, ou produire des recommandations peu compréhensibles pour les équipes d'évaluation comme pour les personnes concernées.
L'expérimentation permet d'observer, sur un périmètre restreint, la manière dont une solution se comporte face à la diversité réelle des situations traitées par les MDPH : handicaps multiples, situations de vie complexes, demandes évolutives dans le temps. Elle permet aussi de mesurer l'écart entre ce qu'une solution promet en phase de conception et ce qu'elle produit réellement une fois confrontée à des dossiers concrets, instruits par des équipes pluridisciplinaires.
Cinq critères pour évaluer une expérimentation avant toute suite
Face à une expérimentation d'intelligence artificielle en MDPH, qu'elle soit conduite localement ou observée à distance, cinq critères permettent de structurer une évaluation rigoureuse, avant d'envisager quelque suite que ce soit.
Le premier critère est l'utilité réelle pour les équipes et pour les personnes accompagnées. Une solution testée doit démontrer qu'elle réduit une charge identifiée, par exemple le temps consacré à des tâches répétitives de préinstruction, sans dégrader la qualité de l'évaluation individuelle. L'utilité se mesure dans la perception concrète des équipes qui utilisent l'outil au quotidien, en complément du gain de temps théorique.
Le deuxième critère porte sur les biais potentiels. Une solution d'intelligence artificielle entraînée sur des données historiques peut reproduire des disparités déjà présentes dans les pratiques d'évaluation, par exemple selon le type de handicap, l'âge de la personne ou le territoire. Un contrôle systématique de ces écarts, avant toute extension du périmètre testé, constitue une condition de vigilance incontournable.
Le troisième critère concerne la protection des données personnelles. Les dossiers traités par les MDPH contiennent des informations sensibles relatives à la santé et à la situation sociale des personnes. Toute solution testée doit s'inscrire dans un cadre strict de protection de ces données, avec une traçabilité des traitements effectués et une limitation des accès aux seules finalités prévues.
Le quatrième critère est l'explicabilité. Une équipe d'évaluation doit pouvoir comprendre, au moins dans ses grandes lignes, pourquoi une solution propose telle orientation ou tel résultat intermédiaire, afin de pouvoir exercer un regard critique sur cette proposition plutôt que de la valider par défaut.
Le cinquième critère est la supervision humaine. Aucune décision relative aux droits d'une personne en situation de handicap ne peut reposer sur une automatisation intégrale. La décision finale reste portée par les équipes de la MDPH et par la commission des droits et de l'autonomie des personnes handicapées (CDAPH), quel que soit l'apport d'une solution d'intelligence artificielle en amont du processus.
Un cas concret : instruction d'un dossier complexe
Dans une MDPH, un dossier concernant une personne présentant plusieurs handicaps associés a été retenu comme cas d'usage pour observer le comportement d'une solution d'aide à la préinstruction. L'équipe pluridisciplinaire a comparé la proposition générée par l'outil à sa propre analyse du dossier, sans jamais transmettre la proposition automatisée telle quelle à la CDAPH. Cet exercice de comparaison, mené sur plusieurs dossiers successifs, a permis de documenter les situations où l'outil apportait un appui réel, et celles où son apport restait limité, notamment face à des situations de vie peu représentées dans les données d'apprentissage.
Cette démarche illustre l'esprit d'une expérimentation bien conduite : elle documente précisément les conditions dans lesquelles la solution apporte une valeur ajoutée mesurable, et dans quelles conditions elle n'en apporte pas ou risque d'introduire une erreur d'appréciation.
Gouvernance d'une expérimentation : qui décide de quoi
Une expérimentation d'intelligence artificielle en MDPH ne peut pas reposer sur la seule initiative d'un service informatique ou d'un prestataire technique. Elle suppose une la methode SMART pour fixer des objectifs utiles en etablissement de sante clairement établie, associant direction, équipes d'évaluation, représentants des personnes accompagnées et, le cas échéant, délégué à la protection des données. Cette gouvernance définit qui valide le périmètre testé, qui suit les indicateurs d'évaluation, et qui décide de l'arrêt ou de la poursuite de l'expérimentation.
La mise en place d'un développer et évaluer une IA en santé : les précautions attendues par la CNIL permet de fixer des jalons de vérification rapprochés plutôt que d'attendre la fin d'une longue période avant tout bilan. Cette approche par étapes limite le risque de voir une expérimentation se transformer, par glissement progressif, en usage installé sans évaluation formelle.
Le respect du cadre réglementaire applicable à la protection des données constitue un préalable non négociable. Une MDPH engagée dans une expérimentation gagne à s'appuyer sur une IA dans l'éducation et la formation : les réflexes CNIL pour protéger les données et sur la checklist relative au développement d'un système d'intelligence artificielle conforme au RGPD, publiées par les autorités compétentes.
S'appuyer sur les repères existants plutôt que sur l'improvisation
Les MDPH ne partent pas d'une page blanche pour évaluer les usages de l'intelligence artificielle dans le secteur de la santé et du médico-social. Des repères publiés par la Haute Autorité de santé à destination des usagers et un guide conjoint sur la gouvernance de l'intelligence artificielle dans le contexte des soins offrent des points d'appui méthodologiques directement transposables à l'instruction des dossiers de handicap. Un guide d'implémentation d'un projet d'intelligence artificielle intégrant une dimension éthique permet également de structurer les questions à se poser avant, pendant et après un test.
Certains usages, même expérimentaux, doivent être écartés d'emblée lorsqu'ils touchent directement à la décision d'attribution d'un droit sans intervention humaine vérifiable. Une grille identifiant les pratiques d'intelligence artificielle à proscrire aide les directions de MDPH à fixer des limites claires avant même d'engager le moindre test local, en cohérence avec l'esprit de prudence qui caractérise l'expérimentation nationale.
La tenue d'un schéma directeur immobilier en santé : piloter un projet qui relie soins, usages et climat constitue un outil simple pour documenter, dans la durée, les tests menés, leurs résultats et les décisions prises à leur issue. Ce registre facilite également la transparence vis à vis des équipes et des personnes accompagnées, qui peuvent légitimement s'interroger sur la manière dont leur dossier est traité.
Ce que votre organisation peut faire maintenant
Une MDPH non engagée dans l'expérimentation nationale n'a aucune raison d'attendre passivement ses résultats pour préparer le terrain. Plusieurs actions concrètes restent possibles dès à présent, sans anticiper une décision qui n'a pas été prise.
La première consiste à former un petit groupe de travail interne chargé de suivre les publications de la CNSA relatives à cette expérimentation, sans engager de test local avant d'y être invité. La deuxième consiste à formaliser une grille d'évaluation interne, reprenant les cinq critères d'utilité, de biais, de protection des données, d'explicabilité et de supervision humaine, prête à être mobilisée si une sollicitation survient. La troisième consiste à sensibiliser les équipes d'évaluation aux enjeux de l'intelligence artificielle en général, afin qu'elles disposent d'un socle de compréhension commun avant un éventuel test.
Un travail de rapport 2024 de la DGEFP : les priorités qui redessinent l'emploi et la formation peut utilement anticiper ces besoins, en abordant à la fois les apports potentiels et les limites de l'intelligence artificielle dans l'instruction des dossiers de handicap. Une attention portée à plan Osez l'IA : construire un parcours d'adoption utile pour une organisation de santé reste également nécessaire, car l'introduction de tout nouvel outil, même à titre expérimental, mobilise une charge cognitive supplémentaire pour des équipes déjà sollicitées.
| Critère d'évaluation | Question à se poser | Signal d'alerte |
|---|---|---|
| Utilité | La solution réduit elle une charge identifiée sans dégrader la qualité de l'évaluation ? | Gain de temps théorique non confirmé par les équipes utilisatrices |
| Biais | La solution traite elle de manière comparable des situations comparables ? | Écarts systématiques selon le type de handicap, l'âge ou le territoire |
| Protection des données | Les traitements respectent ils une finalité précise et une traçabilité claire ? | Accès élargi à des données sensibles sans justification documentée |
| Explicabilité | Les équipes comprennent elles la logique des propositions générées ? | Validation par défaut d'une proposition non comprise |
| Supervision humaine | La décision finale reste elle portée par l'équipe et la CDAPH ? | Transmission d'une proposition automatisée sans relecture |
- Suivre les publications officielles de la CNSA relatives à l'expérimentation, sans anticiper une généralisation.
- Constituer un groupe de travail interne chargé de la veille sur ce sujet.
- Formaliser une grille d'évaluation reprenant les cinq critères d'utilité, de biais, de protection des données, d'explicabilité et de supervision humaine.
- Sensibiliser les équipes d'évaluation aux enjeux généraux de l'intelligence artificielle dans le secteur médico-social.
- Vérifier, en cas de sollicitation, la conformité du dispositif proposé avec le cadre de protection des données personnelles.
- Documenter chaque test éventuel dans un registre des usages, avec ses résultats et les décisions prises.
- Fixer à l'avance les indicateurs qui justifieraient l'arrêt d'un test comme ceux qui justifieraient sa poursuite.
- Rendre compte régulièrement à la direction et aux équipes de l'avancement de la réflexion, expérimentation ou non.
- Aucune communication interne ne présente l'expérimentation nationale comme une généralisation décidée.
- Une grille d'évaluation reprenant les cinq critères est formalisée, même en l'absence de test local.
- Un référent interne suit les publications officielles de la CNSA sur ce sujet.
- Les équipes d'évaluation ont été sensibilisées aux enjeux généraux de l'intelligence artificielle.
- Le cadre de protection des données personnelles a été vérifié pour toute sollicitation liée à l'intelligence artificielle.
- La supervision humaine des décisions reste garantie, sans automatisation intégrale envisagée.
- Un registre des usages est prêt à documenter tout test futur, ses résultats et ses suites.
Conclusion
L'expérimentation lancée par la CNSA le 11 mars 2026 avec 11 MDPH constitue une étape de test, encadrée et limitée, destinée à observer des usages concrets de l'intelligence artificielle dans l'instruction des dossiers de handicap. Elle ne préjuge en rien d'une généralisation future, qui resterait subordonnée à une évaluation rigoureuse fondée sur des critères d'utilité, de biais, de protection des données personnelles, d'explicabilité et de supervision humaine. Chaque MDPH, qu'elle participe ou non à cette expérimentation, gagne à se préparer dès maintenant en formalisant ses propres repères d'évaluation, plutôt qu'en attendant une décision qui n'a pas encore été prise.
Cette vigilance méthodologique protège à la fois la qualité de l'évaluation des besoins des personnes en situation de handicap et la confiance des équipes dans les outils qui leur sont proposés. Elle s'inscrit dans une démarche plus large de doctrine numérique appliquée au secteur de la santé, qui invite à avancer par étapes vérifiées plutôt que par annonces anticipées.
Questions fréquentes
L'expérimentation de la CNSA concerne t elle toutes les MDPH ?
Non. L'expérimentation annoncée le 11 mars 2026 associe 11 MDPH volontaires. Elle ne concerne pas l'ensemble des MDPH du territoire et ne constitue pas une généralisation décidée.
Cette expérimentation signifie t elle qu'une généralisation est prévue ?
Aucune décision de généralisation n'a été annoncée. L'expérimentation vise à observer des usages concrets sur un périmètre limité avant toute décision ultérieure, qui n'est ni actée ni datée à ce stade.
Quels sont les critères pour évaluer une solution d'intelligence artificielle testée en MDPH ?
Cinq critères sont mobilisables : l'utilité réelle pour les équipes et les personnes accompagnées, la maîtrise des biais, la protection des données personnelles, l'explicabilité des propositions générées et le maintien d'une supervision humaine sur la décision finale.
Une solution d'intelligence artificielle peut elle décider seule de l'attribution d'un droit ?
Non. La décision relative aux droits d'une personne en situation de handicap reste portée par l'équipe pluridisciplinaire et par la commission des droits et de l'autonomie des personnes handicapées, quel que soit l'apport d'une solution d'intelligence artificielle en amont.
Comment une MDPH non participante peut elle se préparer ?
Elle peut former un groupe de travail interne, formaliser une grille d'évaluation reprenant les cinq critères et sensibiliser ses équipes aux enjeux généraux de l'intelligence artificielle, sans engager de test local ni anticiper une sollicitation future.
Qui garantit la protection des données personnelles dans ce type d'expérimentation ?
La protection des données personnelles relève d'un cadre réglementaire strict, appuyé notamment sur des repères publiés par la CNIL, que chaque MDPH engagée dans un test doit vérifier avant tout traitement de données sensibles.
Que faire si les résultats de l'expérimentation ne sont pas concluants ?
Une expérimentation bien conduite prévoit dès son lancement des indicateurs qui justifieraient son arrêt. Des résultats non concluants n'imposent aucune obligation de poursuite ni de généralisation.
Questions fréquentes
- L'expérimentation de la CNSA concerne t elle toutes les MDPH ?
- Non. L'expérimentation annoncée le 11 mars 2026 associe 11 MDPH volontaires. Elle ne concerne pas l'ensemble des MDPH du territoire et ne constitue pas une généralisation décidée.
- Cette expérimentation signifie t elle qu'une généralisation est prévue ?
- Aucune décision de généralisation n'a été annoncée. L'expérimentation vise à observer des usages concrets sur un périmètre limité avant toute décision ultérieure, qui n'est ni actée ni datée à ce stade.
- Quels sont les critères pour évaluer une solution d'intelligence artificielle testée en MDPH ?
- Cinq critères sont mobilisables : l'utilité réelle pour les équipes et les personnes accompagnées, la maîtrise des biais, la protection des données personnelles, l'explicabilité des propositions générées et le maintien d'une supervision humaine sur la décision finale.
- Une solution d'intelligence artificielle peut elle décider seule de l'attribution d'un droit ?
- Non. La décision relative aux droits d'une personne en situation de handicap reste portée par l'équipe pluridisciplinaire et par la commission des droits et de l'autonomie des personnes handicapées, quel que soit l'apport d'une solution d'intelligence artificielle en amont.
- Comment une MDPH non participante peut elle se préparer ?
- Elle peut former un groupe de travail interne, formaliser une grille d'évaluation reprenant les cinq critères et sensibiliser ses équipes aux enjeux généraux de l'intelligence artificielle, sans engager de test local ni anticiper une sollicitation future.
- Qui garantit la protection des données personnelles dans ce type d'expérimentation ?
- La protection des données personnelles relève d'un cadre réglementaire strict, appuyé notamment sur des repères publiés par la CNIL, que chaque MDPH engagée dans un test doit vérifier avant tout traitement de données sensibles.
- Que faire si les résultats de l'expérimentation ne sont pas concluants ?
- Une expérimentation bien conduite prévoit dès son lancement des indicateurs qui justifieraient son arrêt. Des résultats non concluants n'imposent aucune obligation de poursuite ni de généralisation.