L'IA transforme le diagnostic et l'interprétation des tests, malgré les hallucinations
Les médecins constatent des progrès de GPT-5 dans le conseil, mais préviennent : les réseaux de neurones actuels commettent plus de 50 % d'erreurs lors de l'interprétation des tests.
L'intelligence artificielle en médecine : assistante du médecin ou risque pour le patient ?
Introduction
L'intelligence artificielle s'est solidement implantée dans la pratique médicale. Les réseaux de neurones lisent déjà les radiographies, rédigent des épicrises et aident à interpréter les résultats de scanners, d'IRM et d'ECG. Il semble que le futur décrit dans les romans de science-fiction soit arrivé : les algorithmes promettent d'accélérer le diagnostic, de réduire la charge de travail des médecins et de rendre la médecine plus accessible.
Cependant, aux premiers succès s'ajoutent les premières questions. Dans quelle mesure peut-on faire confiance à un assistant IA ? Que se passe-t-il lorsqu'un modèle de langage moderne se charge du diagnostic ? En 2026, une série d'études très médiatisées a apporté des réponses alarmantes, bien que non définitives, à ces questions. Les capacités révolutionnaires de l'IA dans les tâches « de routine » sont associées à une incompétence choquante dans l'essentiel : la pensée clinique.
Détails et chronologie des événements
Données de première main : échec dans 80 % des cas
En avril 2026, la revue de référence JAMA Network Open a publié les résultats d'une étude à grande échelle menée par des spécialistes du Mass General Brigham, l'un des plus grands systèmes scientifiques et médicaux des États-Unis.
Les scientifiques ont testé 21 modèles de langage modernes (dont GPT-5, Gemini 3.0 Flash et Grok 4) sur 29 scénarios cliniques standardisés. L'évaluation couvrait toutes les étapes de la pensée clinique : du recueil des plaintes au diagnostic final. Les résultats étaient paradoxaux.
D'un côté, lorsque les modèles disposaient d'un tableau clinique complet (résultats d'analyses, données d'imagerie), ils ont fait preuve d'une précision impressionnante, posant le bon diagnostic final dans plus de 90 % des cas. Cela crée une illusion de puissance de l'IA.
De l'autre côté – et c'est le plus important –, au stade du diagnostic différentiel initial, lorsque l'information est encore rare et que le médecin doit envisager plusieurs options, tous les modèles ont subi un échec cuisant. Ils n'ont pas réussi à formuler un diagnostic différentiel correct dans plus de 80 % des cas.
« Ces modèles sont très doués pour nommer le diagnostic final lorsque les données sont déjà complètes, mais ils rencontrent de sérieuses difficultés au stade initial, ouvert, lorsque l'information est encore rare », a expliqué Aria Rao, auteure principale de l'étude.
Google AdInline article slot
Hallucinations et biais systémiques
Parallèlement, en avril 2026, une autre étude alarmante a été publiée dans la revue npj Digital Medicine (Nature), portant sur une analyse détaillée des performances de GPT-5. Les scientifiques ont évalué non seulement la précision, mais aussi la sécurité du modèle.
Les résultats étaient décourageants. Premièrement, le taux d'« hallucinations » (lorsque le modèle produit avec assurance des informations fausses, prenant la fiction pour la réalité) a augmenté. Lors du traitement de scénarios cliniques avec des erreurs délibérément introduites, GPT-5 a « avalé » les fausses données dans 65 % des cas (contre 53 % pour GPT-4o).
Deuxièmement, le modèle a montré un biais sociodémographique manifeste. À symptômes identiques, les patients issus des communautés LGBTQ+, les sans-abri et les minorités ethniques ont reçu des recommandations d'hospitalisation psychiatrique injustifiée dans 100 % des cas.
Impact et importance
Pour les soins de santé : un nouvel outil avec de vieux risques
Ces études portent un coup sérieux au concept du « diagnosticien IA ». Elles montrent que les algorithmes modernes manquent de pensée clinique – ils ne peuvent pas raisonner dans l'incertitude, peser les probabilités ou douter. Comme l'a noté le Dr Mark Succi, le diagnostic différentiel est « l'art de la médecine » que l'IA n'est pas encore capable de reproduire.
En pratique, cela signifie que les patients et les médecins qui se fient à l'« avis » d'un réseau de neurones dans les premiers stades risquent de s'engager sur une mauvaise voie. Un diagnostic préliminaire incorrect peut entraîner :
- La prescription de procédures inutiles et traumatisantes
- Un retard dans un traitement crucial
- Une anxiété accrue chez le patient (« cancer » au lieu de « grain de beauté »)
Comme le prévient le co-auteur de l'étude Mark Succi : « Même si nous arrivons finalement à la bonne réponse, un diagnostic différentiel incorrect peut entraîner des retards de traitement, des procédures inutiles avec complications et des coûts élevés. »
Pour les médecins : une raison de réévaluer leur rôle
Dans le même temps, il est clair que l'IA réussit bien dans l'analyse de routine. En imagerie médicale (interprétation d'images) et en pathologie (analyse de spécimens histologiques), les réseaux de neurones montrent de bons résultats et sont déjà mis en œuvre dans la pratique.
Ainsi, le principal enseignement de 2026 est une répartition claire des responsabilités : l'IA peut être un calculateur et un assistant ultra-rapide, mais les décisions et les diagnostics doivent être exclusivement humains. Au stade actuel, l'intelligence artificielle ne remplace pas le médecin, elle fournit seulement un « deuxième avis ».
Réaction des acteurs clés
La réaction de la communauté professionnelle aux données publiées a été immédiate.
Les chercheurs du Mass General Brigham appellent à la prudence et au rejet des « illusions marketing ». « Malgré des progrès constants, les grands modèles de langage à usage général ne sont pas encore prêts pour une utilisation autonome en clinique », a déclaré Mark Succi. Les chercheurs soulignent que l'IA moderne manque des mécanismes de raisonnement clinique nécessaires à un fonctionnement sûr dans le système de santé.
Les experts russes commentent également activement la situation. Marina Lyashenko, vice-présidente de la compagnie d'assurance VSK, insiste sur le principe clé : « faites confiance, mais vérifiez ». Selon elle, la pensée critique et la supervision professionnelle du médecin restent des facteurs clés de décision.
Yevgeny Mukhametshin, médecin-chef adjoint de la chaîne fédérale d'optique « Schastlivy Vzglyad », ajoute un aspect réglementaire : pour une mise en œuvre sûre de l'IA en médecine, des cadres clairs sont nécessaires – certification des solutions numériques, transparence des algorithmes et mention obligatoire du caractère consultatif de l'utilisation de l'IA.
Fait intéressant, les technologues eux-mêmes ne contestent pas ces résultats. L'étude a montré qu'un simple « prompt d'atténuation » réduit le taux d'hallucinations de GPT-5 de 65 % catastrophiques à 7,67 % acceptables. Le problème n'est pas que l'IA soit « stupide », mais qu'elle est utilisée par défaut de manière incorrecte.
Prévisions et conclusions
Où va le secteur
La principale conclusion de 2026 est dure mais réaliste : vendre les modèles de langage comme des « diagnosticiens cliniques » à part entière est prématuré et dangereux pour l'instant.
Néanmoins, l'IA a un avenir en médecine, et il ne réside pas dans le remplacement du médecin, mais dans son augmentation. Les scénarios les plus probables pour les années à venir :
- Réglementation stricte. L'entrée sur le marché des systèmes d'IA doit être accompagnée d'une certification obligatoire et d'une supervision similaire à celle des dispositifs médicaux. La transparence des algorithmes (lutte contre les « boîtes noires ») deviendra une exigence obligatoire.
- Environnements « protégés ». Les systèmes d'IA médicaux fonctionneront dans des cadres limités – non pas comme des chatbots ouverts, mais comme des outils à usage restreint pour une tâche spécifique (par exemple, détection de tumeurs sur des scanners).
- Assistant, pas remplacement. Le rôle de l'IA se limitera à l'analyse de routine, à la vérification de l'exactitude du remplissage des dossiers et à la recherche rapide dans les bases de données, laissant le raisonnement diagnostique complexe aux humains.
Comme l'a justement noté l'un des réviseurs de l'étude, même si les technologies apprennent à répondre correctement à la plupart des requêtes, un volume statistiquement significatif d'erreurs subsistera. Les « hallucinations » de l'IA dans un domaine où le coût de l'erreur est la vie d'un patient sont inacceptables. Par conséquent, malgré la « percée » dans le traitement des données, le diagnostic restera longtemps une prérogative humaine.
— Editorial Team
