Harvard : l’AI plus précise que les médecins lors du triage aux urgences

Une équipe de la Harvard Medical School et du Beth Israel Deaconess Medical Center a rapporté que le modèle de raisonnement o1 d'OpenAI a démontré une plus grande précision que les médecins dans une série de tâches de diagnostic d'urgence. Le résultat le plus notable a été au stade du triage initial aux urgences, où les données sont limitées mais les décisions doivent être prises rapidement.

Comment la Comparaison S'est Déroulée

L'étude a été publiée le 30 avril 2026 dans la revue Science et est devenue l'une des plus grandes tentatives de comparer l'IA non pas avec des tests d'examen, mais avec un travail clinique réel. Les auteurs ont fait passer le modèle par six expériences : allant des cas diagnostiques complexes et du raisonnement probabiliste aux tâches impliquant la sélection de tactiques cliniques futures. La partie clé du travail a impliqué 76 cas réels provenant du service des urgences d'un hôpital à Boston.

Le modèle et les médecins ont reçu des registres identiques des dossiers médicaux électroniques et ont été priés de proposer les diagnostics les plus probables et les prochaines étapes. Important : les données ont à peine été « nettoyées » avant le test. Les chercheurs ont utilisé le même texte bruyant et incomplet qu'un médecin voit dans les premières minutes : signes vitaux, âge, description brève des plaintes d'une infirmière, notes individuelles de l'historique médical.

La vérification s'est déroulée en trois étapes : au moment du triage, au premier contact avec un médecin, et au point de décision concernant l'hospitalisation dans une unité ou une unité de soins intensifs. Les évaluateurs ne savaient pas qui avait fourni la réponse — un humain ou le modèle.

Où l'IA s'est Avérée Plus Forte

Le modèle a montré son avantage le plus notable précisément là où le médecin avait le moins d'informations. Au triage initial, OpenAI o1 a fourni un diagnostic précis ou très proche dans 67 % des cas. Parmi les médecins sur le même ensemble de patients, le taux se situait dans la fourchette 50–55 %.

Lorsque davantage de données étaient disponibles, la précision de l'IA montait à 82 %, tandis que les humains atteignaient 70–79 % ; ici, l'écart n'était plus statistiquement significatif, mais la tendance persista. Dans les tâches impliquant la planification de la gestion des cas, y compris la sélection des tests, des antibiotiques et la discussion des objectifs du traitement, le modèle a également obtenu des résultats nettement meilleurs.

• 67 % — diagnostic précis ou très proche par l'IA au triage initial
• 50–55 % — résultats des médecins au même stade
• 82 % — précision de l'IA après l'arrivée de données supplémentaires
• 89 % — performance du modèle dans les tâches de gestion des cas contre 34 % pour les médecins

Les auteurs ont fourni un exemple révélateur. Dans un cas, un patient est arrivé avec un caillot sanguin dans les poumons et une condition détériorée. Les médecins ont supposé que la thérapie anticoagulante standard avait échoué. Le modèle, cependant, a connecté le tableau au lupus dans l'historique du patient et a supposé que la source du problème était l'inflammation pulmonaire dans ce contexte. Plus tard, cette version a été confirmée. Les chercheurs ont particulièrement noté que le modèle travaillait avec confiance sur des cas rares et complexes.

Pourquoi Ce N'est Pas un Remplacement pour les Médecins

Ces résultats ne signifient pas que le service des urgences peut être mis en pilotage automatique. L'étude a principalement testé la composante textuelle du raisonnement clinique : la lecture des dossiers médicaux, la construction d'un diagnostic différentiel et la suggestion de l'étape suivante. L'IA n'a pas examiné le patient, n'a pas vu les expressions de douleur, n'a pas écouté la respiration, n'a pas évalué la démarche, n'a pas travaillé avec les radiographies et les EKG comme le fait un médecin au chevet du patient. Les experts externes ont déjà rappelé qu'il s'agit plutôt d'un « deuxième avis en aveugle » basé sur le texte, et non d'une gestion complète du patient en temps réel.

« Nous observons un véritable changement technologique profond qui transformera la médecine », a déclaré le co-auteur de l'étude Arjun Manrai.

Mais les auteurs eux-mêmes soulignent simultanément les limites. Même si le modèle devine plus souvent le diagnostic principal correct, il peut suggérer des tests ou des interventions inutiles qui pourraient nuire au patient. De plus, il n'existe actuellement pas de système clair de responsabilité : qui est responsable d'une erreur si un médecin fait confiance à la suggestion d'un algorithme ? Par conséquent, les chercheurs parlent non de remplacer le médecin, mais d'un nouveau format de travail collaboratif, où l'IA sert de rapide analyste et source d'un second avis, tandis que la décision finale reste celle de l'humain.

Ce Que Cela Signifie

Pour la médecine, c'est un signal que les grands modèles de langage sortent de la phase de démonstration et s'approchent d'une vérification clinique réelle. Le scénario à court terme n'est pas un « médecin IA » autonome sans humains, mais des systèmes qui examinent parfaitement les dossiers électroniques, suggèrent les possibilités diagnostiques manquées et aident à prioriser plus rapidement les cas aux urgences. La prochaine phase est maintenant claire : non pas de nouveaux benchmarks, mais des essais cliniques prospectifs, où l'attention sera portée non seulement sur l'exactitude des réponses, mais aussi sur la sécurité, le coût et l'impact sur les résultats du traitement.