Codage CIM-10 et IA : comment ça marche

Le codage CIM-10 assisté par IA utilise des modèles de langage pour lire la documentation clinique, repérer les diagnostics et proposer des codes candidats accompagnés du passage justificatif. Le codeur valide chaque proposition au regard du dossier, des règles de codage applicables et des consignes de son établissement. L'IA accélère et homogénéise, mais ne remplace pas le codeur.

Mise à jour éditoriale : 10 octobre 2026. Publié par Arkangel AI, éditeur de logiciels d'IA pour la santé. Contenu informatif ; vérifiez toujours la version de la classification et les règles en vigueur.

Qu'est-ce que la CIM-10 ?

La Classification internationale des maladies, 10e révision (CIM-10), est le standard de l'Organisation mondiale de la santé pour enregistrer diagnostics et causes de décès. Ses codes associent une lettre et deux chiffres pour la catégorie (E11, diabète sucré de type 2) et une décimale pour la sous-catégorie (E11.2, avec complications rénales). La version de référence de l'OMS est consultable sur son navigateur CIM-10.

Trois précisions évitent des erreurs fréquentes :

• En France, le codage hospitalier s'appuie sur la CIM-10 FR à usage PMSI publiée par l'ATIH, qui comporte des extensions et des consignes nationales. Un outil conçu pour la version OMS ou pour la version américaine (ICD-10-CM) ne les applique pas automatiquement.
• La CIM-10 n'est pas l'ICD-10-CM. Les États-Unis utilisent une modification clinique avec des codes jusqu'à sept caractères, sans équivalence directe.
• La CIM-11 est en vigueur à l'OMS depuis 2022, et chaque pays organise sa transition à son rythme.

Comment fonctionne le codage CIM-10 avec l'IA ?

Un flux bien conçu comporte six étapes :

1. Entrée. L'outil reçoit observations, comptes rendus d'hospitalisation ou opératoires, résultats, en PDF, texte ou données structurées.
2. Extraction clinique. Un modèle de langage repère diagnostics, actes et constatations, et distingue négations (« pneumopathie écartée »), antécédents (« antécédent d'infarctus ») et suspicions.
3. Recherche dans la nomenclature officielle. Plutôt que de « se souvenir » des codes, le système recherche des candidats dans la table de la version configurée, ce qui évite les codes inexistants.
4. Application des règles. Spécificité, diagnostic principal et associations sont déterminés selon les règles de codage applicables.
5. Justification par code. Chaque proposition est accompagnée du passage exact du dossier qui la soutient.
6. Validation humaine. Le codeur accepte, corrige ou rejette ; ces décisions servent à améliorer le système.

Exemple

Observation : « Patient DT2 depuis 12 ans, néphropathie diabétique documentée par une albuminurie persistante. Pas de tabagisme. »

• Une relecture rapide pourrait retenir E11.9 (sans complication).
• L'IA met en avant « néphropathie diabétique documentée par une albuminurie persistante » et propose E11.2 (avec complications rénales), en citant le passage.
• « Pas de tabagisme » ne génère aucun code.
• Le codeur confirme le code au regard du dossier complet et des consignes nationales, y compris d'éventuelles extensions de la CIM-10 FR.

Pourquoi un chatbot généraliste ne suffit pas

Les modèles généralistes ne sont pas conçus pour coder. Dans une étude publiée dans NEJM AI, les grands modèles de langage testés ont retrouvé le code exact dans une minorité de cas ; le meilleur, GPT-4, a retrouvé environ un tiers des codes ICD-10-CM à partir de leur libellé (Soroush et al., 2024). Les erreurs comprenaient des codes inexistants.

Les systèmes spécialisés associent le modèle à la recherche dans la nomenclature, à des règles et à la mémoire de cas validés. Dans une prépublication d'Arkangel AI en cours d'évaluation chez JMIR, une architecture d'apprentissage récursif a fait passer le F1 du codage clinique sans exemples préalables de 0,318 à 0,605 après 20 itérations (JMIR Preprints). Il s'agit d'une prépublication non encore évaluée par les pairs, menée par l'équipe d'Arkangel AI.

Bénéfices du codage assisté par IA

• Couverture : relecture de tous les dossiers, pas d'un échantillon.
• Spécificité : repérage des complications, de la latéralité ou de la sévérité documentées mais oubliées.
• Homogénéité : moins de variabilité entre codeurs.
• Traçabilité : chaque code est relié à sa justification, utile lors des contrôles.
• Lacunes de documentation : signalement des diagnostics suggérés par les données mais non documentés, pour interroger le médecin responsable.

Risques et limites

• Codes inexistants ou d'une autre version si le système n'interroge pas la nomenclature officielle.
• Erreurs de négation et de temporalité, comme coder un diagnostic écarté.
• Surcodage : proposer des codes que le dossier ne justifie pas expose à un risque de non-conformité. Ce qui n'est pas documenté ne se code pas.
• Qualité du dossier : l'IA ne peut pas extraire ce que le médecin n'a pas écrit.
• Confidentialité : n'utilisez que des outils contractuellement prévus pour traiter des données de santé, dans le respect du RGPD.

Comment évaluer un outil de codage CIM-10 par IA

1. Testez sur un échantillon local de dossiers de votre établissement (avec les autorisations nécessaires), pas seulement sur les exemples de l'éditeur.
2. Mesurez par code et par séjour : précision, rappel et F1, ainsi que la part des propositions acceptées sans modification.
3. Vérifiez la version : CIM-10 OMS, CIM-10 FR à usage PMSI ou CIM-11, et la prise en charge des consignes nationales.
4. Exigez une justification par code et l'historique des corrections.
5. Mesurez le temps par dossier avant et après, avec la même équipe.

Où se situe Arkangel AI

Arkangel AI repère des diagnostics CIM-10 candidats et d'éventuelles omissions de documentation, chacun relié à son texte source exact, pour que le codeur les valide au regard du dossier. Arkangel AI n'est pas présentée ici comme un outil adapté aux règles du PMSI : en France, la validation selon la CIM-10 FR et les consignes de l'ATIH reste à la charge du codeur et du DIM. Sur la page IA pour les codeurs, vous pouvez essayer une démonstration qui produit un PDF annoté ; utilisez des documents fictifs ou anonymisés. La plateforme est certifiée ISO 27001:2022 (Trust Center). Lisez aussi notre guide intelligence artificielle en médecine.

Questions fréquentes

L'IA peut-elle aider au codage CIM-10 ?

Oui. L'IA lit la documentation clinique et propose des codes CIM-10 candidats avec le passage justificatif. Elle fonctionne mieux lorsqu'elle interroge la nomenclature officielle et applique des règles de codage. Le codeur valide chaque proposition au regard du dossier et des consignes applicables avant toute transmission.

L'IA va-t-elle remplacer les codeurs ?

Non. L'IA accélère la lecture et propose des codes, mais le codeur lève les ambiguïtés, applique les règles et consignes nationales, interroge le médecin lorsque la documentation manque et reste responsable du résultat. Le métier évolue : moins de recherche manuelle dans la nomenclature, davantage de validation et de contrôle qualité.

Quelle différence entre CIM-10 et CIM-10 FR ?

La CIM-10 est la classification internationale de l'OMS. La CIM-10 FR à usage PMSI, publiée par l'ATIH, en est la version française pour le codage hospitalier, avec des extensions et des consignes nationales. Un outil doit être configuré et validé pour la version utilisée par votre établissement.

Est-il sûr d'utiliser l'IA pour coder des dossiers ?

Cela peut l'être si l'outil est contractuellement prévu pour traiter des données de santé, dispose de contrôles de sécurité certifiés, interroge la nomenclature officielle et laisse le codeur valider chaque code avec sa justification. Ne collez jamais de dossiers identifiants dans un chatbot généraliste.

Sources

• OMS. Classification internationale des maladies et navigateur CIM-10 (2019).
• ATIH. CIM-10 FR à usage PMSI.
• Soroush A et al. Large Language Models Are Poor Medical Coders. NEJM AI 2024.
• Castaño-Villegas N et al. A Recursive Learning Architecture for Zero-Shot Automated Clinical Coding. JMIR Preprints 2026 (prépublication ; auteurs de l'équipe Arkangel AI).