La question qui fâche

Si une IA réussit mieux un exercice de diagnostic, pourquoi le médecin qui l’utilise ne fait-il pas nécessairement mieux ?

Ce qui est vrai

• Un essai publié dans JAMA Network Open en 2024 a comparé, chez 50 médecins, les ressources habituelles seules ou complétées par GPT-4. Le score médian de raisonnement atteignait 76 % avec l’IA contre 74 % sans elle, sans différence significative. [1]
• Dans une analyse exploratoire, GPT-4 seul obtenait 92 %. Il s’agissait d’un score composite sur des vignettes cliniques, pas de 92 % de patients correctement diagnostiqués. [1]
• En mammographie, l’essai suédois MASAI, portant sur plus de 105 000 femmes, a montré une meilleure sensibilité du dépistage assisté par IA : 80,5 % contre 73,8 %, avec une spécificité identique de 98,5 %. [2]

Ce qu’on vous raconte

Le match entre le médecin et la machine fournit un excellent titre. Il fabrique aussi une confusion. Trouver une hypothèse dans un dossier préparé, conduire une consultation et améliorer le devenir d’un malade correspondent à des évaluations différentes.

Les vignettes fournissaient l’histoire, l’examen et la biologie : GPT-4 n’avait pas recueilli ces informations. L’expérience, menée en 2023, ne classe pas les outils d’aujourd’hui. [1]

Quant au résultat de MASAI, il concerne une organisation précise associant radiologues et logiciel spécialisé. L’amélioration de la sensibilité signifie que davantage de cancers présents ont été repérés. Elle ne démontre pas une baisse de mortalité et ne valide aucun chatbot généraliste. [2]

Ce que l’IA sait réellement faire

Sur des cas écrits, l’outil peut proposer plusieurs diagnostics, les argumenter et suggérer des examens. L’essai de Goh documente cette capacité, sans établir son bénéfice au cabinet. [1]

Prenons une situation pédagogique fictive. Une patiente consulte pour une fatigue qui s’installe. Le dossier transmis à l’outil évoque une période professionnelle difficile. Demander de confirmer une origine liée au stress risque d’enfermer toute la réflexion dans ce cadre. Il faut d’abord préciser l’évolution, les traitements, les symptômes associés et les constatations de l’examen.

Dans ce cas fictif, la patiente précise finalement qu’elle est essoufflée en montant un seul étage, ce qui n’était pas habituel. Le médecin doit reprendre l’analyse plutôt que demander à l’outil de développer la piste du stress. Ce symptôme associé modifie les questions, l’examen et éventuellement le bilan. La valeur d’une proposition dépend de sa capacité à s’intégrer à cette réévaluation. Énumérer davantage de maladies ne suffit pas.

L’usage que je défends consiste à demander quelles informations manquent et quels éléments pourraient contredire l’hypothèse initiale. Les suggestions doivent ensuite être vérifiées. Une démonstration séduisante ne suffit pas : il faut montrer que cette façon de travailler améliore la décision clinique.

Pour juger de l’utilité au cabinet, je regarderais ensuite ce qui change dans la décision : une hypothèse sérieuse repérée, un examen inutile évité, une orientation accélérée. Je voudrais aussi connaître les erreurs ajoutées par l’outil et le temps consacré à vérifier ses réponses. Ce bilan permettrait à l’équipe de décider si le service rendu justifie l’investissement.

Pour choisir un outil, le cabinet devrait pouvoir connaître sa destination, la population dans laquelle il a été évalué, les erreurs observées et les effets de son introduction dans le soin. Le CCNE et le CNPEN placent justement l’efficacité clinique et le contrôle humain au centre de leur avis sur le diagnostic assisté. [4]

Ce qu’elle ne sait toujours pas faire

Un chatbot textuel ne réalise pas l’examen physique. Une donnée absente de la conversation peut avoir été oubliée, non recherchée ou réellement négative. Ces situations n’ont pas la même valeur clinique. Une réponse ne devrait jamais les confondre.

Il faut également distinguer une proposition plausible d’une décision applicable : quel examen demander, dans quel délai, avec quelle réévaluation ? Le contrôle du contenu et l’évaluation de l’utilité au fil des usages font partie des repères publiés par la HAS. [3]

La sécurité se juge aussi aux conséquences des erreurs. Une longue liste de maladies peut inquiéter, entraîner des explorations inutiles ou diluer l’urgence. Il faut donc mesurer les omissions dangereuses autant que les bonnes réponses, et prévoir la conduite à tenir lorsque professionnel et logiciel divergent. [4]

Pour l’exercice médical

Avant de suivre une proposition : vérifier les données d’entrée, examiner les arguments contradictoires, consulter les références utiles et définir la suite pour le patient. L’indication d’un examen ou d’un traitement se décide cliniquement. Une réponse d’IA ne clôt pas le dossier.

Et nous, qu’en pensons-nous ?

Je comprends qu’un médecin soit agacé lorsqu’on lui explique qu’une machine vient de réussir, en quelques secondes, ce qui lui a demandé des années de formation. Mais cet agacement ne constitue pas une réponse scientifique. Si un outil nous aide à repérer une erreur, nous avons tout intérêt à l’examiner.

Je comprends moins que l’on puisse vendre sa supériorité sans préciser sur quoi elle porte. Un pourcentage affiché en grand ne raconte ni le malade reçu, ni la qualité de la décision prise, ni ses conséquences. Notre métier commence bien avant la réponse finale.

L’étude dans laquelle le médecin équipé ne progresse pas significativement mérite notre attention. Mon interprétation est simple : une collaboration se construit. Elle demande du temps, une formation et une évaluation. On ne peut pas déposer un outil sur le bureau, puis attribuer tous ses échecs à celui qui s’en sert. [1]

J’attends donc des industriels des preuves portant sur les usages qu’ils proposent. J’attends des institutions qu’elles organisent l’apprentissage. Et de nous, médecins, que nous acceptions de revoir une première impression lorsqu’un argument solide la contredit, quelle qu’en soit l’origine.

Un confrère qui doute intelligemment m’inspire davantage confiance qu’un écran qui répond immédiatement. Demain, ce confrère pourra s’appuyer sur un excellent outil. Tant mieux. Encore faudra-t-il qu’il conserve le temps d’interroger, de vérifier et d’expliquer sa décision au patient. C’est là que je regarderai le progrès.

Dr Jean-François Lemoine

Références

Sources vérifiées le 12 octobre 2026

[1] Goh E, Gallo R, Hom J, et al. Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. JAMA Network Open. 28 octobre 2024;7(10):e2440969. Consulter la source

[2] Gommers J, Hernström V, Josefsson V, et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study. The Lancet. 31 janvier 2026;407:505–514. Consulter la source

[3] Haute Autorité de santé. Premières clefs d’usage de l’IA générative en santé. Guide publié le 30 octobre 2025, page mise à jour le 15 avril 2026. Consulter la source

[4] CCNE et CNPEN. Diagnostic médical et intelligence artificielle : enjeux éthiques. Avis 141 et avis 4, adoptés en novembre 2022, rendus publics en janvier 2023. Consulter la source