Il y avait un patient, une embolie pulmonaire, et des symptômes qui s’aggravaient malgré le traitement anticoagulant. Les médecins humains, face à ce tableau, ont conclu que les médicaments ne fonctionnaient plus. L’IA, elle, a regardé autre chose : l’historique du patient. Un lupus. Et le lupus peut provoquer une inflammation pulmonaire indépendante du caillot. L’algorithme avait raison. Les médecins, non.
Ce cas, rapporté dans l’étude publiée dans Science par des chercheurs de Harvard Medical School et du Boston Beth Israel Deaconess Medical Center, n’est pas un cas isolé. C’est l’illustration d’un changement qui se produit maintenant, dans des hôpitaux réels, avec de vrais patients. Et il serait dommage de le réduire à une anecdote technologique.
Les chiffres de l’étude sont nets, même si l’on doit les lire avec soin. Face aux mêmes dossiers médicaux électroniques — données vitales, informations démographiques, quelques lignes d’une infirmière — l’IA a posé le bon diagnostic dans 67% des cas aux urgences. Les médecins humains, eux, ont réussi entre 50 et 55% du temps. Quand le système disposait de plus d’informations, son taux montait à 82%, contre 70 à 79% pour les experts, bien que cet écart ne soit pas statistiquement significatif sur cet échantillon. Pour la planification des traitements à long terme — antibiotiques, soins palliatifs — l’écart était saisissant : 89% pour l’IA, 34% pour les médecins travaillant avec leurs outils habituels.
Ce qui rend ces résultats particulièrement intéressants, c’est le contexte : le triage aux urgences. Les décisions prises en quelques minutes, avec peu d’informations, sous pression. C’est précisément là que l’avantage de l’IA s’est révélé le plus prononcé. Pas parce que l’algorithme « pense » mieux, mais parce qu’il n’est pas fatigué à 3h du matin, qu’il ne bâcle pas la lecture des antécédents, et qu’il ne laisse pas un biais cognitif lui faire passer à côté d’un diagnostic improbable mais réel.
Un autre volet de l’étude a impliqué 18 enfants atteints de maladies génétiques rares que plusieurs dizaines de spécialistes n’avaient pas réussi à identifier. En utilisant le modèle o3 d’OpenAI, les chercheurs ont pu poser des diagnostics que les équipes médicales conventionnelles avaient manqués, parfois pendant des années. C’est le genre de résultat difficile à ignorer.
Mais les chercheurs eux-mêmes sont prudents. Arjun Manrai, responsable d’un laboratoire d’IA à Harvard Medical School et l’un des auteurs principaux, est explicite : « Je ne pense pas que nos résultats signifient que l’IA remplace les médecins. Je pense que nous assistons à un changement technologique profond qui va remodeler la médecine. » Adam Rodman, médecin au Beth Israel Deaconess, parle d’un futur « modèle de soins triadique » — le médecin, le patient, et un système d’IA — plutôt que d’une substitution.
Il reste des angles morts importants. L’IA ne voit pas le patient. Elle ne perçoit pas son niveau d’angoisse, sa façon de décrire la douleur, les signaux non verbaux qu’un médecin capte dans les premières secondes d’une consultation. Elle ne sait pas si le patient est âgé, non-anglophone, ou appartient à une catégorie pour laquelle ses données d’entraînement sont moins représentatives. Ce ne sont pas des détails — ce sont des dimensions entières de la médecine.
Il n’existe pas non plus, pour l’instant, de cadre formel de responsabilité en cas d’erreur diagnostique attribuable à un algorithme. C’est un vide juridique et éthique que personne n’a encore sérieusement comblé, alors que des milliards de dollars sont déjà investis dans des entreprises de santé pilotées par l’IA.
Ce que l’étude de Harvard démontre, c’est peut-être moins la supériorité de l’IA que la limite des conditions dans lesquelles les médecins exercent aujourd’hui. Des urgences surchargées, des dossiers incomplets, des décisions prises dans l’urgence — c’est dans ces conditions précisément que l’algorithme a le plus d’avantage. Ce n’est pas un jugement sur les médecins. C’est une question posée aux systèmes de santé.
