Le diabète gestationnel (DG) constitue une pathologie fréquente de la grossesse, associée à des complications maternelles et néonatales, dont la prise en charge repose en grande partie sur des interventions non pharmacologiques telles que l’adaptation nutritionnelle, l’activité physique et l’autosurveillance glycémique. Dans ce contexte, l’éducation thérapeutique du patient (ETP) joue un rôle central pour accompagner les femmes enceintes dans l’acquisition de compétences d’autogestion, mais sa mise en œuvre reste limitée par des contraintes organisationnelles, notamment le manque d’outils pédagogiques structurés, le temps réduit des consultations et la difficulté d’adapter les parcours aux besoins individuels des patientes. L’étude présentée décrit la conception d’un dispositif structuré d’ETP appliqué au DG ainsi que le développement d’un outil d’assistance fondé sur l’intelligence artificielle (IA) visant à soutenir les professionnels de santé dans la structuration et la personnalisation des parcours éducatifs.

L’étude repose sur un design mixte séquentiel comprenant plusieurs phases. Un classeur d’ETP-DG a d’abord été élaboré à partir des recommandations de l’Organisation mondiale de la santé et de la Haute Autorité de santé. Ce dispositif a ensuite été soumis à une validation par un panel multidisciplinaire de 35 experts impliqués dans la prise en charge du DG et dans l’ETP. Une étude qualitative a ensuite été menée auprès de 30 patientes atteintes de DG afin d’explorer leurs besoins éducatifs et d’examiner l’adéquation entre ces besoins et les contenus du classeur. Sur la base de ces résultats, un dispositif numérique d’assistance a été développé dans le but de soutenir le diagnostic éducatif et la planification des parcours d’ETP. L’architecture de l’application repose sur un modèle client-serveur intégrant une interface web de recueil structuré des données de la patiente et un moteur d’analyse fondé sur un modèle de langage de grande taille.

La validation du classeur par les experts a montré une cohérence scientifique et pédagogique satisfaisante (score moyen global 4,09/5). L’analyse qualitative des entretiens réalisés auprès des patientes a mis en évidence plusieurs besoins éducatifs récurrents, notamment en matière de compréhension de la maladie, d’adaptation des recommandations alimentaires et d’accompagnement dans l’autosurveillance glycémique. Le dispositif d’assistance par IA permet de générer un diagnostic éducatif personnalisé, de hiérarchiser les besoins d’apprentissage et de proposer un plan individualisé d’ETP.

Cette recherche propose un dispositif structuré destiné à soutenir l’organisation de l’ETP dans le contexte du DG. L’intégration d’un outil d’assistance fondé sur l’IA permet de faciliter l’analyse des besoins éducatifs et la planification des parcours éducatifs personnalisés.

Cette approche ouvre des perspectives pour le développement de dispositifs numériques d’accompagnement éducatif dans le domaine des maladies chroniques, tout en maintenant le rôle central des professionnels de santé dans la relation éducative.