L'IA de Google DeepMind détecte la rétinopathie diabétique avec une précision supérieure à la moyenne des ophtalmologistes. CheXNet de Stanford surpasse les radiologistes sur la détection de pneumonie. Les données sont réelles — mais elles ne racontent pas l'histoire complète sur l'avenir de la médecine.
La radiologie est la spécialité médicale la plus souvent citée dans les discussions sur l'IA. Et pour cause : l'interprétation d'images médicales est exactement le type de tâche de reconnaissance de patterns dans laquelle l'IA excelle. CheXNet de Stanford, publié en 2017, surpassait les radiologistes moyens pour la détection de pneumonie sur des radiographies thoraciques. Des systèmes plus récents ont reproduit et étendu ces résultats.
Cependant, la radiologie n'est pas seulement de l'interprétation d'images. Les radiologistes communiquent avec les cliniciens référents, intègrent l'histoire clinique du patient, priorisent leur liste de travail, et effectuent des procédures interventionnelles. La partie interprétation d'images va changer radicalement — la profession en entier, moins clairement.
Le médecin américain moyen passe environ 16 minutes de chaque consultation de 27 minutes à documenter dans les systèmes de dossiers de santé électroniques. Des outils d'IA comme Ambient Clinical Intelligence de Microsoft et des produits similaires peuvent maintenant transcrire et structurer des consultations en temps réel, générant des notes cliniques qui nécessitent seulement une révision et une validation du médecin.
C'est l'une des applications IA médicales les plus prometteuses et les moins controversées : elle rend les médecins plus efficaces sans menacer leur rôle central. Les premiers adoptants rapportent économiser 1 à 2 heures par jour.
Sur des benchmarks cliniques standardisés — questions de l'examen USMLE, questions diagnostiques basées sur des cas — les grands modèles de langage modernes atteignent des performances comparables ou supérieures aux médecins humains en formation. GPT-4 a réussi l'USMLE avec une marge confortable. Des systèmes spécialisés comme Med-PaLM 2 de Google ont atteint des performances "expert" sur des évaluations médicales.
La mise en garde critique : ces benchmarks évaluent une connaissance médicale et un raisonnement sur des cas bien définis. Ils ne mesurent pas la gestion de patients réels avec des présentations ambiguës, des comorbidités multiples et des facteurs sociaux complexes.
La codification médicale — transformer les notes cliniques en codes de facturation — est une tâche d'extraction d'information structurée que l'IA gère bien. Les systèmes automatisés améliorent à la fois la précision et la vitesse. Cela représente de l'emploi dans le secteur de la santé, mais ce ne sont généralement pas des postes de médecin.
L'IA de Google DeepMind a identifié la rétinopathie diabétique avec une sensibilité de 94 % par rapport à une moyenne de 87 % pour les ophtalmologistes dans une étude de 2016 portant sur plus de 128 000 images rétiniennes. CheXNet de Stanford a surpassé les radiologistes sur la détection de pneumonie en 2017. Ces résultats sont réels et reproductibles. Ce qu'ils ne montrent pas : comment ces systèmes performent sur des cas ambigus, des patients avec des présentations atypiques, ou des situations où les données cliniques sont incomplètes — ce qui décrit une grande partie de la médecine réelle. Les benchmarks mesurent les performances sur des cas bien définis. La médecine clinique est pleine de cas mal définis.
La médecine réelle est pleine d'incertitude. Les patients présentent des symptômes qui correspondent à de multiples diagnostics possibles. L'histoire est souvent incomplète ou inexacte. Les comorbidités compliquent chaque décision thérapeutique. Naviguer dans cette incertitude — en décidant quand tester davantage, quand traiter de façon empirique, quand référer — nécessite un jugement que l'IA n'a pas encore de façon fiable.
La confiance thérapeutique — la relation dans laquelle les patients révèlent des informations sensibles, suivent des recommandations difficiles et s'engagent dans leur soin — est fondamentalement humaine. Recherche après recherche montre que la qualité de la relation médecin-patient affecte les résultats cliniques indépendamment du traitement choisi. Ce n'est pas quelque chose que l'IA peut reproduire.
Un médecin de soins primaires qui connaît son patient depuis dix ans comprend son contexte de vie d'une manière qu'aucune IA ne peut reproduire à partir des données cliniques : la perte d'emploi récente qui explique l'augmentation du niveau de stress, la dynamique familiale qui influence l'observance du traitement, les inquiétudes non exprimées que le patient n'a jamais documentées dans un dossier.
Les défis psychologiques dans d'autres professions de santé font face à une pression similaire — notre analyse sur si l'IA va remplacer les thérapeutes examine comment les professions de santé mentale naviguent dans cette question.
Toutes les spécialités médicales ne font pas face au même niveau d'exposition. Voici une évaluation honnête :
Les facteurs communs de résistance à l'automatisation : contact patient direct, gestion de l'incertitude, décisions dans des contextes émotionnellement chargés, et intégration de multiples types d'information hétérogènes.
L'IA va transformer la médecine, pas éliminer les médecins. Certaines tâches spécifiques — l'interprétation d'images médicales pour le dépistage, la documentation, la codification — seront largement automatisées. Certaines spécialités, comme la radiologie et la pathologie, verront une pression significative sur leur modèle économique traditionnel. Mais la médecine clinique dans son sens large — gérer des patients complexes, établir des relations thérapeutiques, naviguer dans l'incertitude — reste profondément humaine. La pénurie mondiale de médecins (estimée à 10 millions d'ici 2030) signifie que l'IA sera plus probablement déployée pour augmenter l'accès aux soins que pour réduire les effectifs médicaux. Les médecins qui apprennent à travailler efficacement avec les systèmes d'IA auront un avantage significatif sur ceux qui résistent à ces outils.
Ce site est indépendant et financé par les lecteurs. Pour les partenariats, contactez-nous.