IA médicale : précise sur le papier, pas encore convaincante au chevet des patients

L’intelligence artificielle est censée rendre les soins plus rapides, moins coûteux et plus efficaces. C’est, du moins, la promesse. L’IA peut parcourir les dossiers médicaux, aider les médecins à établir un diagnostic, analyser des examens d’imagerie, prendre en charge des tâches administratives et même alerter sur des situations potentiellement mortelles, comme une septicémie.

Mais selon le Financial Times, c’est précisément là que le bât blesse. La technologie progresse à vive allure, tandis que les preuves de son efficacité réelle sur l’état des patients, dans la pratique quotidienne, restent souvent insuffisantes.

Le problème des fausses alertes

Un exemple parlant vient d’un hôpital du Michigan. Un système d’IA y a été déployé pour analyser toutes les quinze minutes les dossiers de patients à la recherche de signes de septicémie. Sur le papier, l’idée paraît prometteuse. La septicémie peut engager le pronostic vital et une prise en charge précoce est déterminante.

Dans les faits, les médecins recevaient tellement d’alertes qu’ils ont fini par accorder de moins en moins de crédit au système. Le scénario classique du garçon qui criait trop souvent au loup.

Lorsqu’un outil d’IA déclenche trop d’alarmes, la vigilance des médecins peut au contraire diminuer. La technologie n’aide plus : elle ajoute du bruit à un système déjà sous tension.

Précis ne veut pas dire utile

Derrière cet exemple se cache un problème plus large. De nombreuses entreprises d’IA démontrent surtout que leur modèle affiche de bonnes performances statistiques. Il repère des schémas, prédit des risques ou obtient de bons résultats dans un environnement de test.

Mais dans la santé, cela ne suffit pas. La vraie question n’est pas de savoir si un algorithme est précis sur le papier. Elle est de savoir si les patients en tirent réellement bénéfice.

Les diagnostics sont-ils posés plus rapidement ? Les erreurs médicales diminuent-elles ? Les traitements deviennent-ils plus efficaces ? Les médecins gagnent-ils vraiment du temps, sans que de nouveaux risques apparaissent ? Selon des experts, les preuves solides permettant de répondre à ce type de questions restent souvent étonnamment limitées.

L’IA générative capte l’attention

Dans l’imagerie médicale et le diagnostic, certains exemples montrent clairement l’apport de l’IA. C’est le cas, notamment, des scanners ou des coloscopies, où des algorithmes peuvent détecter des anomalies.

Mais l’attention se porte désormais largement sur l’IA générative, comme les systèmes capables de résumer des textes médicaux ou d’aider les médecins dans leurs décisions.

C’est précisément dans ce domaine que les preuves sont plus difficiles à établir. Ces modèles évoluent rapidement, traitent des données sensibles et peuvent paraître convaincants tout en commettant des erreurs. Cela impose un contrôle continu dans de vrais hôpitaux, et pas seulement des tests en laboratoire.