La question qui fâche

Un médecin pourra-t-il devoir expliquer pourquoi il n’a pas utilisé une aide disponible, comme il explique déjà le choix d’un examen ou l’absence de recours spécialisé ? La question paraît provocatrice. Elle prolonge pourtant une exigence familière : mobiliser les moyens appropriés à la situation du malade. L’article R.4127-33 demande précisément de choisir les méthodes scientifiques adaptées au diagnostic. ^[4]

Le mot décisif est « appropriés ». Une technologie récente peut être inutile, insuffisamment évaluée ou mal adaptée. À l’inverse, notre préférence pour une pratique familière ne suffit pas à écarter une amélioration solidement établie. Le débat commence à cet endroit.

Ce qui est vrai

• Juillet 2026. Le nouvel article R.4127-13-1 encadre l’usage médical de l’IA : sécurité des soins, confidentialité et prise en compte des recommandations. Il ne prescrit pas son utilisation systématique. ^[1]
• Janvier 2026. L’Académie nationale de médecine envisage, en imagerie, une perte de chance liée au non-recours à certaines applications réglementairement conformes, cliniquement utiles et durablement performantes. Cette position est prospective. ^[2]
• Janvier 2026. Dans l’essai suédois MASAI, portant sur plus de 105 000 femmes, la sensibilité du dépistage mammographique atteint 80,5 % avec l’organisation assistée par IA, contre 73,8 % avec la double lecture habituelle. ^[3]
• Décembre 2007. Le Conseil d’État distingue le dommage final de la chance perdue lorsqu’une faute a compromis les possibilités d’amélioration ou d’échapper à une aggravation. Ce raisonnement précède l’IA. ^[5]

Ce qu’on vous raconte

« Bientôt, ne pas avoir d’IA sera une faute. » Cette formule transforme une question clinique en argument de vente. Un marquage réglementaire, une belle démonstration ou un score supérieur sur des cas d’examen ne suffisent pas, isolément, à établir le bénéfice d’un outil pour votre patient. ^[2]

En matière de perte de chance, il faut relier un manquement à une possibilité réelle d’un meilleur résultat. Il n’est pas nécessaire de soutenir que l’outil aurait certainement sauvé le malade ; il faut établir la chance qu’un comportement fautif lui a retirée. Un diagnostic manqué et l’existence d’une IA sur le marché ne démontrent pas ce lien. ^[5]

L’analyse doit donc porter sur l’indication, les connaissances disponibles à la date des soins, l’accès effectif à l’outil et les autres moyens employés. Une prise en charge équivalente peut emprunter une autre voie.

Ce que l’IA sait réellement faire

MASAI fournit un exemple précis : trier les mammographies vers une simple ou une double lecture et aider les radiologues au repérage. La spécificité restait identique, à 98,5 %. Les cancers diagnostiqués entre deux dépistages étaient de 1,55 contre 1,76 pour 1 000 femmes ; cette diminution n’était pas statistiquement démontrée. L’étude établissait une non-infériorité sur ce critère, sans démontrer de baisse de mortalité. ^[3]

Ce résultat justifie d’examiner une organisation assistée par IA dans son indication. Il ne valide ni tous les logiciels de radiologie ni l’emploi d’un assistant conversationnel généraliste pour interpréter des images. Le progrès mesuré appartient à un dispositif de soins précis.

Ce qu’elle ne sait toujours pas faire

Une performance moyenne ne raconte pas, à elle seule, ce qui se serait passé pour ce patient. L’outil peut manquer une anomalie, produire une alerte inutile ou fonctionner moins bien lorsque les conditions changent. Son résultat doit rester soumis à une appréciation clinique. ^[2]

Pour l’IA générative, la HAS recommande depuis octobre 2025 d’apprendre à utiliser l’outil, de vérifier ses productions, d’estimer la pertinence de son usage et de communiquer. Une réponse fluide n’est pas une preuve. ^[6]

Surtout, aucun logiciel ne répare à lui seul une alerte laissée sans suite, un examen inaccessible ou un rendez-vous impossible à obtenir. La qualité du parcours compte autant que l’identification du signal.

Et nous, qu’en pensons-nous ?

Je me méfie du jour où l’on vendra aux médecins une intelligence artificielle en leur vendant d’abord la peur du procès. La médecine défensive sait déjà produire des examens dont personne n’attend grand-chose. Elle pourrait demain produire des clics de précaution : l’IA a été consultée, la case est cochée, chacun se croit couvert. Le malade, lui, attend toujours une décision utile.

Mais je me méfie également d’une indépendance professionnelle qui servirait à ne plus rien apprendre. Si une aide améliore les soins dans des conditions établies, la liberté du médecin doit s’accompagner d’une capacité à expliquer ses choix. Elle ne peut tenir lieu de dispense d’examiner les preuves. Nous devons pouvoir dire pourquoi nous utilisons un outil, et pourquoi nous nous en passons.

Mon inquiétude concerne aussi l’accès. Si demain une aide devient importante pour une catégorie de patients, qui la financera ? Qui formera les équipes et vérifiera qu’elle reste efficace ? Laisser chaque praticien se débrouiller, puis lui reprocher son retard, serait une bien curieuse politique de qualité des soins. La responsabilité collective doit être discutée avant que le contentieux ne la révèle.

Je souhaite que la profession formule elle-même ses critères d’adoption, avec des évaluations indépendantes et des recommandations compréhensibles. Le fournisseur ne doit pas fixer, par son seul discours, le seuil à partir duquel nous soignerions mal.

La bonne question sera donc très concrète : avions-nous, pour cette personne, une possibilité raisonnable de mieux faire ? Lorsqu’une IA contribuera solidement à cette possibilité, il faudra l’examiner avec autant d’exigence que les autres moyens du soin. Refuser d’y réfléchir deviendra difficile à défendre.

Pour l’exercice médical

Pour un usage envisagé, confronter cinq éléments : indication exacte, bénéfice comparatif, patients étudiés, intégration au travail réel et conduite prévue après l’alerte. Examiner aussi l’alternative sans IA. Consigner les éléments cliniquement utiles à la décision ; organiser avec la structure l’accès, la formation et le suivi. L’objectif est une prise en charge explicable et efficace, sans transformer chaque dossier en plaidoyer préventif.

Références

Sources vérifiées le 21 octobre 2026. Références hors calibrage éditorial.

[1] Code de la santé publique, art. R.4127-13-1, créé par le décret n° 2026-691 du 27 juillet 2026. Texte reproduit par le Conseil national de l’Ordre des médecins, page mise à jour le 20 octobre 2026. Consulter la source

[2] Laredo JD et al. Apport de l’intelligence artificielle en imagerie médicale. Rapport adopté par l’Académie nationale de médecine le 20 janvier 2026, notamment § 3.5. Bulletin de l’Académie nationale de médecine. 2026;210:367–375. DOI 10.1016/j.banm.2026.03.004. Consulter la source

[3] Gommers J et al. Essai MASAI comparant le dépistage mammographique assisté par IA à la double lecture habituelle : cancers d’intervalle, sensibilité et spécificité. The Lancet. 31 janvier 2026;407:505–514. DOI 10.1016/S0140-6736(25)02464-X. Résumé des auteurs sur le portail institutionnel de recherche. Consulter la source

[4] Code de la santé publique, art. R.4127-33. Diagnostic. Texte et commentaires du Conseil national de l’Ordre des médecins. Consulter la source

[5] Conseil d’État, 21 décembre 2007, n° 289328, Centre hospitalier de Vienne. Analyse publiée au recueil Lebon sur la perte de chance en responsabilité hospitalière. Consulter la source

[6] Haute Autorité de santé. Premières clefs d’usage de l’IA générative en santé. 30 octobre 2025. Présentation des principes A.V.E.C. Consulter la source