L’IA en médecine : ce que trois études révèlent

Repérer un cancer, accélérer une prise en charge, orienter un diagnostic : les résultats changent selon la tâche. Trois travaux permettent de comprendre ce que l’IA apporte, et ce qu’ils ne prouvent pas.

Illustration d’une médecin face à un profil composé d’un réseau numérique.

Une mammographie à examiner, un électrocardiogramme à interpréter, un diagnostic à préciser : une grande partie du travail médical consiste à donner du sens à des informations. C’est là que l’intelligence artificielle trouve aujourd’hui certaines de ses applications les plus concrètes. Elle recherche dans une image ou un signal des caractéristiques apprises à partir de nombreux exemples.

Mais bien répondre à un exercice et aider une équipe à soigner sont deux choses différentes. Pour découvrir ce qui change réellement, suivons trois situations : le dépistage du cancer du sein, l’arrivée d’un patient aux urgences et la recherche d’une cause à des difficultés respiratoires.

Un regard supplémentaire sur les mammographies

Une mammographie est une radiographie des seins. Lors d’un dépistage, elle sert à rechercher les signes d’un cancer avant l’apparition de symptômes. En Suède, des chercheurs ont comparé la lecture habituelle par deux radiologues à une organisation dans laquelle une IA aide les médecins et oriente les images vers une ou deux lectures.

Plus de 105 000 femmes ont été réparties au hasard entre ces deux organisations. Les résultats publiés en 2026 sont encourageants : le dépistage assisté repérait une plus grande proportion des cancers, tout en conservant une capacité comparable à reconnaître les examens sans cancer. Le travail de lecture des radiologues était également réduit.

Les chercheurs ont aussi compté les cancers découverts entre deux rendez-vous de dépistage. Leur fréquence respectait la limite fixée pour considérer l’organisation assistée comme suffisamment sûre par rapport à la méthode habituelle. En revanche, l’écart observé ne permettait pas d’affirmer qu’elle faisait diminuer ces cancers. L’avancée est donc une meilleure organisation du dépistage, sans démonstration à ce stade d’un effet sur la durée de vie.

Aux urgences, une alerte qui fait gagner du temps

Lors de certains infarctus, une artère du cœur est bouchée. Une intervention appelée angioplastie permet de la rouvrir. Avant cela, il faut reconnaître rapidement le problème, prévenir la bonne équipe et organiser la prise en charge.

À Taïwan, des chercheurs ont testé un système analysant l’électrocardiogramme, le tracé de l’activité électrique du cœur. Lorsqu’il repérait les signes recherchés, il envoyait une alerte au cardiologue, qui conservait la décision médicale.

Parmi les patients concernés par la comparaison du délai d’intervention, ils étaient 67 avec l’aide du système et 65 dans le groupe habituel. Le délai médian entre l’arrivée et l’intervention était de 82 minutes contre 96 minutes : la moitié des patients avait un délai inférieur à cette valeur, l’autre moitié un délai supérieur.

Le logiciel ne soignait donc personne tout seul. Son intérêt était de faire circuler plus vite une information utile. Ce résultat illustre une forme d’innovation peu spectaculaire à l’écran, mais très concrète dans l’organisation des urgences. L’étude ne suffit toutefois pas à établir un bénéfice sur la survie.

Apprendre aussi à repérer les erreurs de l’outil

Cette expérience posait une question très pratique : lorsqu’un soignant reçoit la suggestion d’une IA, prend-il une meilleure décision ? Les chercheurs comparaient la proportion de réponses diagnostiques correctes sans aide, avec une IA standard et avec une IA volontairement faussée. Ils testaient aussi si montrer les zones de la radiographie utilisées pour expliquer la réponse aidait à éviter les erreurs de l’outil.

Les chercheurs mesuraient donc surtout la proportion de diagnostics corrects formulés par les soignants. Ils examinaient également leurs choix de traitement, mais ne mesuraient pas la guérison ni la survie des patients.

Les chercheurs ont présenté à 457 professionnels de santé des dossiers comprenant les symptômes, les résultats d’examens et les radiographies de patients souffrant de graves difficultés respiratoires. Ils devaient identifier la maladie responsable, d’abord sans aide, puis avec les suggestions d’une IA.

Les chercheurs voulaient aussi savoir comment les soignants réagiraient face à une IA qui se trompe. Ils avaient donc volontairement introduit des erreurs systématiques : par exemple, une version suggérait une pneumonie dès que le patient avait 80 ans ou plus. Avec l’IA standard, les participants trouvaient plus souvent le bon diagnostic. Avec les versions faussées, leurs réponses devenaient moins précises.

Certains participants voyaient également les zones de la radiographie mises en évidence pour expliquer la réponse de l’IA. Cet affichage ne suffisait pas à éviter les erreurs provoquées par ses mauvaises suggestions. Dans cette expérience, montrer une explication ne garantissait donc pas une meilleure décision. Il s’agissait d’exercices, sans intervention dans les soins.

Une collaboration à construire

Ces trois exemples racontent une évolution progressive. L’IA peut apporter un regard supplémentaire sur une image ou accélérer une alerte. Son utilité dépend aussi de la manière dont l’équipe reçoit l’information et l’utilise. Le progrès se joue dans cette rencontre entre un outil et un travail médical bien réel.