Cet article dresse un état des lieux général et ne constitue pas un avis médical. Il ne traite d'aucune situation individuelle. Pour toute question de santé personnelle, l'avis d'un professionnel reste indispensable, et aucun outil d'IA grand public ne s'y substitue.
Peu de domaines produisent autant d'annonces spectaculaires et autant de déploiements lents. Faisons le tri entre ce qui fonctionne réellement dans les services et ce qui reste au stade de la publication.
Ce qui fonctionne déjà et se déploie
L'imagerie. C'est le domaine le plus mature, et de loin. Détecter une anomalie sur une radiographie, une mammographie ou un scanner est une tâche de reconnaissance de motifs, exactement ce que ces systèmes font le mieux. Plusieurs outils sont homologués et utilisés en routine, généralement en seconde lecture : le radiologue analyse, l'outil signale ce qu'il aurait éventuellement manqué. C'est la configuration la plus solide, parce qu'elle ajoute une sécurité sans retirer de responsabilité.
Le travail administratif. C'est le bénéfice le plus sous-estimé et probablement le plus immédiat. Une part considérable du temps médical part en comptes rendus, courriers, codage d'actes. La transcription automatique d'une consultation et la rédaction assistée du compte rendu rendent du temps clinique. Aucune prouesse diagnostique là-dedans, mais un effet concret sur la disponibilité des soignants.
Le tri et la priorisation. Repérer dans une file d'attente d'examens ceux qui présentent des signes d'urgence permet de réordonner la lecture. Là encore, l'outil ne décide pas, il attire l'attention.
La recherche. Analyse de données massives, identification de candidats médicaments, aide à la conception d'essais. C'est probablement là que l'impact à long terme sera le plus fort, et c'est aussi le moins visible pour le public.
Ce qui ne fonctionne pas comme annoncé
Les titres du type « l'IA bat les médecins à tel examen » méritent d'être lus avec précaution, pour trois raisons.
Un examen n'est pas une consultation. Répondre à un cas clinique écrit, avec tous les éléments fournis et une bonne réponse existante, n'a que peu à voir avec une consultation réelle où le patient décrit mal ses symptômes, oublie des éléments, et où l'essentiel du travail consiste à poser les bonnes questions.
La performance chute hors du laboratoire. Un système entraîné sur les données d'un hôpital fonctionne souvent moins bien dans un autre, avec des appareils différents, une population différente, des protocoles différents. Ce décalage est le principal obstacle au déploiement, et il est systématiquement sous-estimé.
L'absence de signal d'incertitude. C'est le point le plus critique en médecine. Comme nous l'expliquions dans notre article sur la calibration, ces systèmes affirment avec le même aplomb qu'ils aient raison ou tort. Dans un contexte où savoir qu'on ne sait pas est une compétence clinique fondamentale, c'est une faiblesse structurelle.
Un diagnostic engage une responsabilité. Si un outil suggère une conclusion erronée et que le médecin la suit, qui répond ? Le praticien, qui n'a pas exercé son jugement ? L'éditeur du logiciel ? L'établissement qui l'a déployé ? C'est le vide que nous décrivions dans notre article sur la responsabilité, avec ici un enjeu vital. Tant que cette question n'est pas tranchée, les usages resteront cantonnés à l'assistance plutôt qu'à la décision, et c'est probablement une bonne chose.
Le sujet qui monte : le patient qui arrive avec un diagnostic
Un phénomène nouveau mérite d'être signalé, parce que les soignants le rencontrent de plus en plus. Des patients consultent après avoir interrogé une IA, parfois avec une hypothèse précise en tête.
Ce n'est pas nécessairement négatif. Un patient informé pose de meilleures questions, comprend mieux les explications, et adhère davantage au traitement. Le problème apparaît quand l'hypothèse fournie par la machine devient une conviction, ou quand elle provoque une angoisse disproportionnée sur la base d'une réponse produite sans examen.
L'usage raisonnable, si l'on tient à consulter une IA sur un sujet de santé, tient en une phrase : s'en servir pour comprendre le vocabulaire et préparer ses questions, jamais pour se faire un avis. Ce n'est pas un discours moralisateur, c'est la conséquence directe de ce que nous savons de la fiabilité de ces outils.
Ce qu'il faut retenir
La médecine illustre parfaitement l'écart entre capacité technique et déploiement réel. Les capacités sont là, parfois impressionnantes. Ce qui freine n'est pas la technologie mais tout le reste : la validation clinique, la robustesse hors laboratoire, la responsabilité juridique, l'intégration dans des organisations complexes.
Cette lenteur agace les entrepreneurs et rassure les patients, et les deux réactions sont légitimes. Dans un domaine où une erreur ne se corrige pas par une mise à jour, il n'est pas absurde que l'adoption soit plus lente qu'ailleurs. La vraie question n'est pas d'accélérer, c'est de savoir sur quoi on accélère : sur le temps administratif rendu aux soignants, très probablement. Sur le diagnostic autonome, beaucoup moins.