Une étude publiée dans Nature Communications révèle un paradoxe : les modèles d’intelligence artificielle conçus pour raisonner améliorent l’identification du diagnostic principal, mais suggèrent davantage de maladies absentes du dossier. L’évaluation de 15 médecins montre l’intérêt d’une vérification humaine, à confirmer en situation réelle.
Diagnostic médical : les IA qui raisonnent davantage produisent 34 % de faux positifs en plus
By
Published on 1 novembre 2026 17h50
Une intelligence artificielle peut mieux repérer la maladie principale tout en multipliant les pistes erronées. C’est le résultat d’une étude publiée le 29 octobre 2026 dans Nature Communications, qui compare des modèles d’IA capables de développer un raisonnement à leurs versions classiques. Les chercheurs ont également testé une organisation dans laquelle un médecin examine les suggestions du système avant de retenir un diagnostic.
Sur près de 3 000 dossiers hospitaliers, les modèles dotés d’un mode de raisonnement identifient plus souvent le diagnostic principal. Mais ils produisent aussi plus de 34 % de faux positifs supplémentaires : ils mentionnent des maladies que les dossiers ne permettent pas de retenir. Ce décalage entre précision et fiabilité intéresse directement les établissements de santé qui évaluent l’usage de l’IA comme outil d’aide à la décision.
Des diagnostics principaux plus justes, mais davantage de maladies suggérées à tort
L’équipe internationale, associant notamment des chercheurs de l’université de Hong Kong, de l’université Tsinghua et de Harvard, a construit un banc d’essai à partir de 2 978 dossiers médicaux américains anonymisés. Elle a comparé six paires de modèles, avec et sans raisonnement approfondi, sur des situations relevant de douze spécialités. Les résultats publiés dans Nature Communications montrent que les modèles qui raisonnent obtiennent de meilleurs résultats pour le diagnostic principal et proposent des diagnostics différentiels plus pertinents.
Sur l’un des ensembles de dossiers, le taux moyen de diagnostic principal correct atteint 52,8 % pour les versions avec raisonnement, contre 38,7 % pour les versions classiques. Dans le même temps, le nombre moyen de faux positifs passe de 1,09 à 1,47 par cas, soit une hausse d’environ 35 %. Les réponses sont également moins stables lorsque les chercheurs soumettent plusieurs fois le même dossier aux systèmes.
Pour un médecin, un diagnostic différentiel est une liste de maladies possibles à examiner avant de trancher. L’élargir peut aider à envisager une piste négligée. Mais une hypothèse incorrecte, si elle est retenue à tort, risque d’orienter les investigations vers des examens ou des traitements injustifiés. L’étude mesure ce risque dans des simulations fondées sur des dossiers passés, et non à partir de décisions effectivement prises auprès de patients.
Quinze médecins testent une vérification des réponses de l’IA
Les auteurs ont ensuite évalué une collaboration structurée avec quinze médecins généralistes, sur 150 cas de maladies respiratoires, circulatoires et métaboliques. Le système propose des hypothèses ; le praticien en examine la cohérence et conserve la décision diagnostique. Dans cette configuration expérimentale, la précision des médecins progresse d’environ 20 % par rapport à leur travail sans cette assistance, tandis que leur vérification écarte environ 44 % des faux positifs proposés par l’IA.
Ces chiffres ne correspondent pas à une réduction démontrée des erreurs médicales dans les hôpitaux. L’exercice utilisait des dossiers rétrospectifs et des listes de diagnostics prédéfinies. Une analyse de la publication scientifique souligne également que les auteurs réclament une évaluation prospective, au contact de situations de soins réelles.
Ce que cette étude change pour l’évaluation des outils médicaux
Pour les équipes hospitalières françaises, le travail invite à regarder au-delà du seul pourcentage de bonnes réponses. Un outil d’aide au diagnostic doit aussi être évalué sur les maladies qu’il évoque à tort, la constance de ses résultats et le temps nécessaire à la vérification par les soignants.
La recherche met ainsi en évidence une fonction possible de ces systèmes : élargir les hypothèses diagnostiques, puis laisser le professionnel apprécier les données cliniques et éliminer les suggestions insuffisamment étayées. La qualité de cette collaboration devra être confirmée dans des études menées auprès de patients, avec une mesure des effets sur les soins, les examens prescrits et la sécurité.