Harvard : l'IA surpasse les médecins pour le tri aux urgences

Une équipe de la Harvard Medical School et du Beth Israel Deaconess Medical Center indique que le modèle de raisonnement o1 d'OpenAI a affiché une précision supérieure à celle des médecins sur plusieurs tâches de diagnostic d'urgence. Le résultat le plus frappant concerne le tri initial aux urgences, lorsque les données sont rares et que la décision doit être rapide.

Comment la comparaison s'est déroulée

L'étude a été publiée le 30 avril 2026 dans la revue Science et constitue l'une des plus vastes tentatives de comparer l'IA non pas à des examens théoriques, mais au travail clinique réel. Les auteurs ont soumis le modèle à six expériences, des cas diagnostiques complexes et du raisonnement probabiliste aux tâches de choix de la conduite à tenir.

Le cœur du travail repose sur 76 cas réels issus du service d'urgences d'un hôpital de Boston. Le modèle et les médecins ont reçu les mêmes notes du dossier médical électronique et devaient proposer les diagnostics les plus probables et les étapes suivantes.

Point important : les données n'ont presque pas été « lissées » avant le test. Les chercheurs ont utilisé le même texte bruité et incomplet que le médecin voit dans les premières minutes : constantes vitales, âge, brève description des plaintes par l'infirmière, notes éparses de l'historique. L'évaluation a porté sur trois étapes : au moment du tri, lors du premier contact avec le médecin, puis à la décision d'hospitaliser le patient en service ou en réanimation. Les évaluateurs ne savaient pas qui avait donné chaque réponse, un humain ou le modèle.

Là où l'IA a pris l'avantage

Le modèle a pris le plus net ascendant précisément là où le médecin dispose du moins d'informations. Au tri précoce, OpenAI o1 a donné un diagnostic exact ou très proche dans 67 % des cas. Les médecins, sur le même groupe de patients, se situaient entre 50 et 55 %. Avec davantage de données, la précision de l'IA est montée à 82 % et celle des humains à 70–79 % ; l'écart n'était alors plus statistiquement significatif, mais la tendance demeurait.

Sur les tâches de plan de prise en charge, notamment le choix des examens et des antibiotiques et la discussion des objectifs thérapeutiques, le modèle a également nettement mieux fait.

• 67 % : diagnostic exact ou proche de l'IA au tri initial
• 50–55 % : résultat des médecins à la même étape
• 82 % : précision de l'IA après l'arrivée de données supplémentaires
• 89 % : score du modèle sur les tâches de conduite à tenir, contre 34 % pour les médecins

Les auteurs donnent aussi un exemple parlant. Dans un cas, un patient est arrivé avec un caillot dans le poumon et un état qui se dégradait. Les médecins ont supposé que le traitement anticoagulant standard n'avait pas fonctionné. Le modèle, lui, a relié le tableau à un antécédent de lupus et avancé que la source du problème était une inflammation pulmonaire liée à cette maladie. C'est précisément cette hypothèse qui a été confirmée par la suite. Les chercheurs notent par ailleurs que le modèle s'est montré particulièrement assuré sur les cas rares et embrouillés.

Pourquoi il ne s'agit pas d'un remplacement des médecins

Ces résultats ne signifient pas que les urgences peuvent passer en pilote automatique. L'étude a surtout testé la part textuelle du raisonnement clinique : lire le dossier, construire un diagnostic différentiel et proposer l'étape suivante. L'IA n'a pas examiné le patient, n'a pas vu l'expression de la douleur, n'a pas écouté la respiration, n'a pas évalué la démarche et n'a pas travaillé sur des radiographies ni des ECG comme le fait un médecin au chevet. Des experts extérieurs ont déjà rappelé qu'il s'agit plutôt d'un « deuxième avis à l'aveugle » sur un texte que d'une prise en charge complète du patient en temps réel.

«

Nous assistons à un bouleversement technologique réellement profond, qui va changer la médecine », a déclaré le coauteur de l'étude Arjun Manrai.

Mais les auteurs insistent dans le même temps sur les limites. Même si le modèle devine plus souvent le diagnostic principal, il peut proposer des examens ou des interventions superflus, susceptibles de nuire au patient. En outre, il n'existe pas encore de cadre de responsabilité clair : qui répond d'une erreur si le médecin s'est fié à la suggestion de l'algorithme ?

Les chercheurs ne parlent donc pas de remplacer le médecin, mais d'un nouveau mode de travail conjoint, où l'IA joue le rôle d'analyste rapide et de source de deuxième avis, tandis que la décision finale revient à l'humain.

Ce que cela signifie

Pour la médecine, c'est le signe que les grands modèles de langage sortent du mode démonstration et s'approchent d'une véritable validation clinique. Le scénario le plus proche n'est pas un « médecin IA » autonome sans humains, mais des systèmes qui parcourent discrètement les dossiers électroniques, signalent les pistes diagnostiques oubliées et aident à hiérarchiser plus vite les priorités aux urgences.

L'étape suivante est désormais évidente : pas de nouveaux benchmarks, mais des essais cliniques prospectifs qui examineront non seulement la justesse de la réponse, mais aussi la sécurité, le coût et l'effet sur l'issue du traitement.