La question revient sans cesse, alimentée par l’essor fulgurant des modèles de langage et par les démonstrations, parfois spectaculaires, de leurs capacités. Depuis deux ans, les plateformes d’IA générative se montrent capables d’analyser des données médicales, de produire un avis diagnostique ou de proposer une prise en charge théorique. Faut-il y voir le prélude à une substitution de la médecine humaine par des algorithmes ?

Une étude récente, associée à une série de résultats comparatifs entre médecins et IA, apporte des éléments de réponse précieux. Ils révèlent une réalité plus subtile qu’un simple affrontement entre l’homme et la machine.

1. Quand l’intelligence artificielle dépasse les médecins lors des évaluations cliniques

Les modèles d’IA les plus avancés ont désormais atteint un niveau impressionnant sur les tests de diagnostic. Les chiffres sont sans ambiguïté : certains LLM surclassent déjà le médecin moyen sur des questionnaires cliniques à choix multiples. Selon l’infographie comparative fournie dans l’étude, des modèles comme Claude 3 atteignent 66 % de précision, tandis que GPT-4 gravit les 63 %. Les médecins humains, sur la même évaluation, culminent en moyenne à 51 %. Ces résultats, bruts et déstabilisants, posent une question directe : à quoi bon former un praticien pendant dix ans si une IA peut se montrer aussi performante, parfois davantage, sur un test théorique ?

La réponse se trouve précisément dans la nature de ces évaluations. Ces tests mesurent l’exactitude statistique, pas la finesse du jugement clinique. Ils évaluent la capacité à choisir une réponse parmi plusieurs propositions, non l’art de poser des questions, d’interpréter un récit de vie, de repérer un détail anodin mais déterminant ou d’apprécier une nuance dans une situation ambiguë. Les modèles excellent dans la reconnaissance de patterns, pas dans la construction du sens clinique. Leur supériorité sur test ne signifie donc pas supériorité au chevet du patient.

C’est là que l’étude scientifique fournit un éclairage déterminant : IA et médecins ne se trompent pas de la même manière. Autrement dit, l’IA n’est ni meilleure ni pire que les médecins : elle est différente. Et cette différence change tout.

2. Seul on va vite, à plusieurs on voit juste : la force du diagnostic collectif

L’un des enseignements majeurs de l’étude Human–AI collectives est que la performance diagnostique s’améliore lorsque l’on combine plusieurs cerveaux, qu’ils soient humains ou numériques. Les collectifs de médecins surpassent systématiquement les praticiens isolés. Et les collectifs d’IA surpassent les modèles individuels. La raison est simple : la diversité des erreurs.

Un médecin expérimenté peut passer à côté d’un diagnostic rare. Une IA peut surévaluer une piste biologique au détriment d’un symptôme contextualisé. Mais lorsque l’on agrège plusieurs avis, les erreurs se compensent, les bonnes intuitions se renforcent, et la précision augmente.

L’étude le montre avec force : un groupe de cinq médecins atteint environ 77 % de justesse. Un ensemble de cinq IA culmine autour de 73 %. Deux performances solides, mais encore loin du résultat le plus frappant : lorsque les médecins et les IA travaillent ensemble, l’accuracy atteint jusqu’à 82 %. Ce score dépasse systématiquement toutes les autres configurations.

L’explication tient à la complémentarité. Là où les IA échouent, les médecins réussissent dans 30 à 38 % des cas. Là où les médecins se trompent, les IA trouvent souvent la réponse. Paradoxalement, l’IA performe mieux lorsqu’un humain est dans la boucle, et l’humain performe mieux lorsqu’il s’appuie sur l’IA. L’efficacité ne vient donc pas de l’opposition mais de la collaboration.

3. L’alliance entre experts et IA : un outil puissant entre de bonnes mains

La conclusion de l’étude devrait rassurer ou, à tout le moins, clarifier le débat public : l’IA ne remplace pas les médecins, mais les médecins qui utilisent l’IA remplaceront probablement ceux qui s’en privent. Le modèle le plus performant n’est pas celui qui tente de mimer l’intuition humaine ; c’est celui qui la complète.

Dans la pratique médicale réelle, un diagnostic ne se résume pas à identifier une maladie. Il s’agit d’écouter une personne, de comprendre ses peurs, de détecter les non-dits, d’intégrer un contexte familial, social ou émotionnel. L’IA ne connaît ni la honte d’un patient, ni sa détresse, ni son hésitation à dire ce qui le trouble. Elle n’a pas ce sixième sens forgé par des années d’expérience. Elle excelle dans l’analyse, pas dans la relation.

En revanche, les médecins doivent composer avec un volume d’informations croissant : milliers d’articles publiés chaque semaine, nouvelles recommandations, avancées thérapeutiques constantes. Aucun esprit humain ne peut absorber l’ensemble. L’IA, elle, le peut. Associée à un praticien compétent, elle devient un amplificateur de vigilance, un assistant méthodique, un contre-regard expert qui ne se fatigue jamais.

Cette hybridation n’est donc pas une menace, mais une opportunité. Un médecin augmenté par une IA pertinente gagne en exhaustivité, en rapidité d’analyse, en capacité à explorer des pistes rares. Il reste maître de la décision, mais bénéficie d’un outil puissant qui sécurise son jugement.

Conclusion

La question n’est plus de savoir si l’IA remplacera les médecins. Les données sont claires : l’IA seule est insuffisante et parfois dangereuse. Les médecins seuls sont humains, donc perfectibles. Ensemble, ils deviennent meilleurs. L’avenir de la médecine ne sera ni artificiel ni exclusivement humain. Il sera hybride.