Une étude publiée le 22 octobre dans Science montre qu’un système d’IA de Microsoft identifie correctement 83,2 % de diagnostics dans une série de cas médicaux complexes, contre 36,1 % pour les médecins généralistes évalués avec des ressources documentaires. Cette comparaison repose toutefois sur des dossiers historiques simulés : elle ne démontre ni une supériorité en consultation réelle ni une amélioration de la santé des patients.
Diagnostic médical : une IA atteint 83 % de réussite en simulation, sans validation clinique
By
Published on 25 octobre 2026 12h31
Une intelligence artificielle a identifié correctement 83,2 % des diagnostics dans une série de cas médicaux complexes, contre 36,1 % pour les médecins généralistes participant à la comparaison avec accès à des ressources documentaires. Publiés le 22 octobre 2026 dans la revue Science, ces résultats ouvrent une piste pour l'aide à la décision médicale, mais ils proviennent de simulations fondées sur des dossiers déjà constitués, et non de consultations auprès de patients.
Le système étudié, appelé MAI-DxO, a été développé par des chercheurs de Microsoft. Son originalité ne tient pas à une réponse immédiate à une question médicale : il doit choisir les informations à recueillir, décider des examens à demander et réviser progressivement ses hypothèses. C'est cette démarche, plus proche du déroulement d'un diagnostic, que les auteurs ont voulu mesurer.
Deux séries de dossiers, deux écarts de performance
Dans leur étude publiée dans Science, les chercheurs décrivent un protocole d'évaluation appelé SDBench. Il transforme des dossiers médicaux historiques en situations interactives : au départ, le système ne reçoit qu'une présentation succincte du cas. Il doit ensuite demander les éléments de l'histoire clinique, les résultats d'examens et les analyses qui lui semblent utiles avant de proposer un diagnostic.
La première série comprend 304 cas complexes issus des discussions clinico-pathologiques du New England Journal of Medicine. MAI-DxO atteint 83,2 % de diagnostics corrects, contre 36,1 % pour les médecins généralistes évalués avec des ouvrages et Internet, et 22,3 % sans ces ressources. Ces cas, choisis pour leur difficulté, ne reflètent pas la fréquence des maladies rencontrées en médecine de ville.
Sur une seconde série issue d'une base de données de passages aux urgences, le système atteint 80,3 % de diagnostics corrects, contre 46,8 % pour les médecins de la comparaison. Les résultats sont encourageants, mais ils ne permettent pas de conclure qu'un logiciel ferait mieux qu'une équipe hospitalière spécialisée face à un patient réel.
Une IA qui choisit les questions et les examens
Le dispositif fait intervenir plusieurs rôles virtuels qui discutent les diagnostics possibles, recherchent les informations manquantes et examinent la pertinence de nouvelles investigations. Selon la présentation détaillée publiée par Microsoft le 22 octobre, l'évaluation ne porte donc pas uniquement sur la réponse finale, mais aussi sur la succession des décisions prises pour y parvenir.
Les chercheurs ont également comparé les coûts estimés des examens demandés. Certaines configurations du système obtiennent une bonne précision tout en réduisant la dépense théorique associée au parcours diagnostique. Il ne s'agit cependant pas d'économies observées dans des hôpitaux : les calculs sont effectués dans le cadre du protocole d'évaluation, avec ses propres hypothèses tarifaires.
Pourquoi ces scores ne prouvent pas qu'une IA remplace un médecin
La principale limite tient à la nature des données. Les dossiers étaient déjà documentés et transformés en échanges simulés ; le système n'a pas dû examiner physiquement des patients, gérer leurs hésitations, apprécier leur état général ou suivre l'évolution d'une maladie au fil des jours. Les médecins comparés travaillaient individuellement, alors que les cas les plus difficiles font souvent intervenir plusieurs spécialistes.
Autre question méthodologique : une partie des dossiers provient de publications médicales accessibles. Il faut donc examiner dans quelle mesure des modèles d'IA auraient pu rencontrer ces cas pendant leur entraînement. Les performances obtenues dans ce type d'épreuve ne suffisent pas à établir la sécurité du dispositif ni ses effets sur les décisions thérapeutiques.
Le protocole SDBench a été rendu accessible pour permettre à d'autres équipes d'évaluer et de discuter la méthode. Cette possibilité de reproduction est importante, mais elle ne remplace pas des essais indépendants en situation clinique.
La prochaine étape se jouera à l'hôpital
Microsoft annonce une collaboration avec le Beth Israel Deaconess Medical Center, à Boston, pour tester prospectivement le raisonnement du système dans des environnements hospitaliers. Les patients devraient interagir directement avec l'outil, tandis que ses résultats seraient confrontés à des évaluations médicales indépendantes. Les conclusions de cette phase ne sont pas encore disponibles.
Pour les patients, rien ne change à ce stade dans la prise en charge : MAI-DxO reste un système de recherche, et ses scores ne constituent pas une recommandation de diagnostic automatisé. La question décisive sera de savoir s'il aide effectivement les soignants à identifier plus tôt les maladies, sans multiplier les erreurs, les examens inutiles ou les retards de traitement.