Accueil › Blog › Médecin et IA

Médecin : l'IA diagnostique mieux, mais qui décide ?

Publié le 2 novembre 2026 · par Amine, AI business analyst en CAC 40 · 7 min de lecture

Il y a encore cinq ans, dire qu'une machine passerait l'examen d'entrée en médecine aurait fait rire un amphithéâtre. Aujourd'hui, un système dépasse le seuil de réussite de l'examen médical américain, et un essai clinique randomisé montre qu'il détecte des cancers aussi bien que deux radiologues, pour une charge de travail presque divisée par deux. Ce n'est pas une promesse : c'est publié, relu par des pairs, et daté.

L'IA est-elle vraiment meilleure qu'un médecin pour diagnostiquer ?

La réponse honnête, c'est : oui, mais uniquement là où la question est fermée. Un examen à choix multiples, une image à classer, un schéma à reconnaître — c'est exactement le terrain où les modèles d'apprentissage excellent, parce que la réponse est unique et vérifiable.

Le système Med-PaLM, développé par Google, a été le premier à dépasser le seuil de réussite de l'examen d'aptitude médicale américain (USMLE), avec un score de 67,6 % sur la base de questions MedQA, d'après l'étude publiée dans Nature en juillet 2023. Sa version suivante, Med-PaLM 2, atteint 86,5 % sur la même base, un résultat « de niveau expert », publié dans Nature Medicine en janvier 2025.

Retiens bien ce que ça mesure. Un QCM de médecine, c'est de la connaissance standardisée : le candidat doit retrouver la bonne réponse parmi des propositions déjà écrites. Ce n'est pas le diagnostic au lit du patient. Ça ne mesure ni l'examen clinique, ni l'écoute, ni la capacité à dire « je ne sais pas, on approfondit ». Ça mesure la mémoire médicale — et sur ce terrain, l'IA a dépassé les étudiants.

Que dit le premier essai clinique randomisé, en vrai ?

Les QCM, c'est du laboratoire. Ce qui a changé la donne, c'est le premier essai clinique randomisé grandeur nature. Il s'appelle MASAI, il a été mené en Suède sur environ 80 000 femmes, et ses résultats ont été publiés dans The Lancet Oncology en août 2023.

Le protocole est simple à comprendre. D'un côté, le dépistage classique : deux radiologues lisent chaque mammographie, et s'ils ne sont pas d'accord, un troisième arbitre. De l'autre, le dépistage assisté : un seul radiologue lit l'image, aidé par l'IA qui trie les examens par niveau de risque et signale les zones suspectes. L'IA peut même écarter seule les cas les plus clairement normaux.

Résultat : l'IA a détecté autant de cancers que la double lecture humaine, et la charge de lecture a été réduite de 44 %. Autrement dit, à résultat égal, un radiologue fait presque le travail de deux. C'est la première preuve randomisée que l'IA est sûre à cette échelle, et elle ne vient pas d'un vendeur de logiciel : elle vient d'une revue médicale indépendante, relue par des pairs.

Lis quand même le détail, parce qu'il dit beaucoup sur le métier. L'IA n'a pas remplacé le radiologue dans cet essai : elle a remplacé le deuxième lecteur, la partie la plus répétitive du travail — revoir des milliers d'images normales pour ne pas en rater une. Ce qui reste à l'humain, c'est exactement la partie qui demande du jugement.

Qu'est-ce que l'IA ne fait pas, et ne fera pas de sitôt ?

Un radiologue qui lit une mammographie fait bien plus qu'identifier une lésion. Il recoupe l'image avec le dossier, l'âge, les antécédents, les examens précédents. Il pondère un signal faible. Il prend la responsabilité d'une conclusion qui va décider d'une biopsie, d'un traitement, parfois d'une vie.

Et c'est encore plus vrai chez le médecin généraliste, qui ne travaille pas sur une image mais sur un patient qui parle. Il entend un symptôme flou, le met en relation avec un contexte social, une fatigue, un médicament en cours. Il décide parfois de ne pas prescrire un examen, par expérience. Toutes ces décisions-là mobilisent ce que les modèles d'IA ne savent pas faire : lire l'incertitude et l'assumer.

Il faut le dire sans langue de bois : ce qui est automatisable en médecine, c'est la partie répétitive et standardisée — l'analyse d'images, la synthèse de dossiers, la vérification de contre-indications. Ce qui ne l'est pas, c'est l'arbitrage humain sous incertitude, la relation, et la signature. La même ligne de partage qu'on retrouve dans presque tous les métiers, mais avec une gravité particulière ici : en médecine, l'erreur se paie en santé.

Qui est responsable quand l'IA se trompe ?

La réponse tient en un mot : le médecin. Et ce n'est pas une opinion, c'est du droit.

Le règlement européen sur l'IA, entré en application progressivement à partir de 2024, classe les systèmes d'IA utilisés en médecine dans la catégorie des usages à haut risque. Concrètement, ça impose une supervision humaine : le praticien doit pouvoir comprendre ce que le système propose et le contredire. Un dispositif qui se contenterait de sortir un diagnostic sans qu'un humain puisse le vérifier ne serait pas conforme.

Ça règle une question qu'on se pose mal. On imagine souvent que le danger, c'est que l'IA se trompe. Le vrai danger, c'est qu'un humain s'appuie sur elle sans pouvoir la remettre en cause. La réglementation ne dit pas « l'IA a le droit d'être là » ; elle dit « si elle est là, un humain reste aux commandes et en répond ». Le médecin ne délègue pas sa responsabilité, il change d'outil.

Ce que ça change pour toi, médecin ou patient

Si tu es médecin, la question n'est plus « l'IA va-t-elle me remplacer » mais « qu'est-ce qu'elle enlève de ma charge, et qu'est-ce que je garde ». Les études montrent qu'elle enlève la répétition — la relecture, le tri, la synthèse — et qu'elle garde intact tout ce qui fait la valeur du métier. Ceux qui s'en emparent tôt ne font pas moins de médecine : ils font plus de médecine, en moins de temps administratif.

Si tu es patient, retiens deux choses. La première, c'est qu'une IA dans ton parcours de soin n'est pas une science-fiction ni une aberration : elle est déjà encadrée, testée, et soumise à supervision humaine. La seconde, c'est que la personne qui décide reste celle qui signe, et que tu as le droit de lui demander d'expliquer sa décision — que ce soit elle qui l'ait prise seule ou aidée d'une machine.

Et il y a une leçon qui dépasse la médecine. Dans ce métier qu'on croyait à l'abri parce qu'il demande des années d'études et un haut niveau de diplôme, l'IA n'a pas détruit le poste : elle a absorbé la partie répétitive et rendu la partie humaine plus centrale. C'est exactement ce qu'on observe ailleurs, en accéléré. La vraie ligne de partage n'est pas entre métiers manuels et métiers intellectuels ; elle est entre ce qui est répétitif et ce qui demande de décider.

Questions fréquentes

Écrit par Amine Lounnas

AI business analyst depuis cinq ans dans des grands groupes du CAC 40 — banque, assurance, énergie. Certifié DPO et CIPP/E. Mon métier consiste à identifier quelles tâches une entreprise peut automatiser ; ce site retourne cette méthode vers les salariés.

Qui écrit ici, et comment →