L’IA diagnostique mieux que votre médecin — et ça soulève des questions qui font peur

Les études s’accumulent et elles disent toutes la même chose : dans des domaines précis comme la radiologie, la dermatologie ou l’ophtalmologie, les modèles d’IA surpassent désormais les médecins humains en termes de précision diagnostique. L’IA détecte des cancers du sein sur des mammographies à des stades plus précoces. Elle identifie des rétinopathies diabétiques avant que le patient n’ait perdu la vue. Elle repère des mélanomes malins sur des photos de grains de beauté avec une précision supérieure à celle des dermatologues expérimentés. Ce n’est pas de la science-fiction. Ce sont des résultats publiés dans le Lancet, le NEJM et Nature Medicine. Et ça change tout.

Les outils qui transforment la médecine en 2026

Google DeepMind a développé AlphaFold, qui a résolu en quelques années le problème du repliement des protéines — un problème fondamental de biologie structurale qui résistait depuis 50 ans. Cette percée ouvre la voie à une compréhension beaucoup plus fine des mécanismes moléculaires des maladies et à la conception rationnelle de nouveaux médicaments. Des dizaines de startups pharmaceutiques utilisent désormais AlphaFold comme fondation de leur pipeline de découverte.

Du côté clinique, des outils comme Suki AI transcrivent et structurent les notes médicales en temps réel pendant les consultations, libérant les médecins d’une charge administrative qui représentait jusqu’à 40% de leur temps de travail. DAX Copilot de Nuance (Microsoft) est déployé dans des milliers d’hôpitaux américains et les retours des praticiens sont unanimes : ils passent plus de temps à regarder leurs patients dans les yeux et moins à taper sur un clavier.

L’IA en oncologie : quand la machine trouve ce que l’humain manque

C’est en oncologie que l’impact potentiel est le plus dramatique. Paige AI, approuvé par la FDA, analyse les biopsies tumorales et détecte des micro-métastases que les pathologistes humains manquent régulièrement. Tempus analyse les données génomiques de tumeurs pour recommander des protocoles de chimiothérapie personnalisés. Des études montrent que ces systèmes améliorent les taux de survie à 5 ans dans plusieurs types de cancers. Ce sont des vies sauvées, pas des abstractions statistiques.

En France, l’INCa (Institut National du Cancer) a lancé en 2025 un programme national d’intégration de l’IA dans les réunions de concertation pluridisciplinaires (RCP) oncologiques. L’objectif est d’utiliser l’IA comme « second avis systématique » — un outil qui soulève des questions que l’équipe médicale peut avoir manquées, sans remplacer le jugement clinique final. Ce modèle « human in the loop » est probablement la voie la plus sage vers l’adoption.

Les questions éthiques que personne ne veut vraiment trancher

Si l’IA diagnostique mieux, qui est responsable quand elle se trompe ? Si un médecin suit la recommandation d’un algorithme et que le patient est lésé, la responsabilité incombe-t-elle au médecin, à l’éditeur du logiciel, à l’hôpital ? Les systèmes juridiques du monde entier ne sont pas prêts pour cette question. Et elle se pose déjà dans des cas réels.

Il y a aussi la question des biais. Les modèles d’IA sont entraînés sur des données historiques — qui reflètent les inégalités historiques du système de santé. Des études ont montré que certains algorithmes de diagnostic performent moins bien sur les peaux foncées parce qu’ils ont été entraînés majoritairement sur des images de peaux claires. Un outil présenté comme objectif peut amplifier des discriminations existantes si son développement n’intègre pas explicitement la diversité des données d’entraînement. L’IA médicale peut sauver des millions de vies — à condition qu’on lui fasse les bons reproches avant qu’il ne soit trop tard.