Du diagnostic séquentiel aux soins : ce que l’IA médicale doit encore démontrer

Le 22 octobre, Microsoft annonce une étude dans Science : MAI-DxO atteint 83% sur les cas complexes, contre 36% pour les médecins avec références ; aux urgences, 80% contre 47%.¹ Ces résultats correspondent à des conditions d’évaluation précises, pas à une comparaison des taux d’erreur diagnostique dans la pratique hospitalière quotidienne.

Illustration générée par l’IA : recherche sur le diagnostic assisté par l’IA et vérification des preuves ; ne représente pas une scène clinique réelle.

Choisir la prochaine question, pas seulement la bonne réponse

Un examen médical fournit généralement les informations pertinentes dans son énoncé. Une difficulté du diagnostic consiste justement à déterminer ce qui manque. SDBench transforme les cas en interactions : le participant reçoit un résumé limité, puis choisit de poser des questions, de demander des examens ou de soumettre un diagnostic. Un modèle fournit les informations demandées et peut produire un résultat synthétique cohérent avec le cas lorsque le dossier original ne le contient pas. Un autre modèle évalue le diagnostic par rapport à une référence.²

Ce dispositif permet d’examiner le chemin suivi pour recueillir l’information, et non uniquement la réponse finale. Un résultat simulé n’est cependant pas un nouvel examen du patient. Si le système trouve une démarche efficace en simulation, il reste à démontrer qu’un hôpital peut obtenir les informations correspondantes à temps et que leur qualité ne modifie pas la décision. Rapprocher un test du raisonnement diagnostique ne reproduit pas toute une consultation.

Le manuscrit antérieurement rendu public par les auteurs décrit un ensemble de 304 cas complexes du NEJM.³ Des cas difficiles sélectionnés peuvent éprouver le raisonnement sans représenter l’ensemble des patients ambulatoires. Il importe donc de présenter séparément les résultats des différents jeux de données : une moyenne unique n’explique pas à la fois les performances sur les maladies courantes, les troubles rares et les urgences.

Une présence humaine ne garantit pas une supervision efficace

Comparer les réponses indépendantes d’une IA et de médecins diffère de l’évaluation de médecins utilisant l’IA. La première mesure les capacités du système ; la seconde ressemble davantage à l’usage d’un outil d’assistance. Un médecin peut repérer et corriger une erreur, mais aussi accepter trop vite une réponse formulée avec assurance. Ce sont des risques à étudier, pas des conséquences cliniques déjà établies par cette recherche.

Les principes de 2021 des régulateurs américain, britannique et canadien pour l’apprentissage automatique appliqué aux dispositifs médicaux soulignent la représentativité des données, l’indépendance des tests et les performances du binôme humain–IA en conditions cliniquement pertinentes.⁴ La prochaine évaluation devrait donc dépasser un classement de précision. Elle devrait documenter qui suit une recommandation, quand elle est rejetée et comment un désaccord est tranché. Ces principes ne constituent ni une autorisation ni une certification de MAI-DxO.

Une erreur sur un cas complexe et la non-détection d’un danger immédiat peuvent également avoir des conséquences différentes. L’évaluation clinique devrait définir à l’avance les catégories d’erreurs, leur gravité et les procédures d’escalade. Sans cela, une meilleure moyenne ne dit pas si la sécurité progresse aux moments les plus décisifs.

Le coût estimé des examens n’est pas la facture du patient

Le code public permet d’estimer les prix des examens demandés et précise que les calculs de l’article s’appuyaient sur une grille tarifaire hospitalière publique. Les estimations directes d’un modèle et celles rapprochées de cette grille ne sont pas équivalentes.² La comparaison des coûts porte donc d’abord sur des parcours diagnostiques selon une méthode de calcul définie. Elle ne démontre pas une baisse du reste à charge ni des dépenses de l’ensemble du système de santé.

Éviter un examen sans utilité peut économiser des ressources. Mais si l’économie vient de l’omission d’un examen nécessaire, le traitement ultérieur peut coûter davantage. Le déploiement, la vérification humaine, les nouvelles consultations et le traitement des situations exceptionnelles doivent aussi être comptabilisés. Il s’agit de postes à évaluer, et non de gains ou de pertes déjà observés.

Des outils ouverts exigent encore des preuves cliniques reproductibles

Le code public de SDBench ne rend pas tous les cas librement téléchargeables. Les documents du NEJM nécessitent une licence et les données MIMIC sont soumises à des conditions d’accès. Les cinq exemples entièrement synthétiques du dépôt servent au développement et aux essais, pas à publier des performances diagnostiques.² Cette distinction détermine si une réplication emploie des données et réglages comparables ou se contente d’exécuter un logiciel du même nom.

Microsoft prévoit une étude prospective au Beth Israel Deaconess Medical Center, à Boston.¹ Avant d’en connaître les résultats, il est plus utile de définir les populations concernées, les procédures de travail et les responsabilités en cas d’échec que d’étendre « meilleur que les médecins » à tous les contextes cliniques. Un meilleur raisonnement diagnostique et des soins plus sûrs, plus rapides pour les patients constituent deux propositions qui nécessitent des preuves distinctes.

Notes et sources

1. 2026-10-22 · Microsoft AI, MAI Health Team · Building Medical Superintelligence (« Construire une superintelligence médicale »). ↩ ↩²

2. Consulté le 2026-10-23 · Microsoft · SDBench: Sequential Diagnosis Benchmark (« SDBench : banc d’évaluation du diagnostic séquentiel ») · Licence MIT. La page officielle du projet identifie l’article Sequential Diagnosis with Language Models, Science, 2026, DOI : 10.1126/science.aeh7930. ↩ ↩² ↩³

3. Manuscrit daté du 2025-11-08 · Harsha Nori et collaborateurs · Sequential Diagnosis with Language Models (« Diagnostic séquentiel avec des modèles de langage »). Manuscrit hébergé par un auteur, utilisé pour le contexte méthodologique, sans être assimilé au texte intégral de la publication de 2026. ↩

4. 2021-10 · FDA, Santé Canada et MHRA · Good Machine Learning Practice for Medical Device Development: Guiding Principles (« Bonnes pratiques d’apprentissage automatique pour le développement de dispositifs médicaux : principes directeurs »). ↩