L’IA ne remplacera probablement pas les médecins mais elle peut les rendre meilleurs

Dans un entretien accordé au *Figaro* le 29 septembre, le médecin-chercheur et investisseur Philippe Pouletty pose une tension appelée à traverser toute la médecine : l’intelligence artificielle ne signe pas la disparition du médecin, mais elle menace une grande partie de ses compétences actuelles. La formule est volontairement provocatrice. Elle décrit moins un remplacement qu’une redistribution des tâches entre la machine et le soignant.

Cette distinction est essentielle. Depuis l’arrivée des grands modèles de langage et des modèles dits « frontier », l’IA médicale ne se limite plus au chatbot qui reformule une ordonnance. Elle apprend à croiser texte, images, résultats biologiques et données génétiques ; elle peut proposer un diagnostic différentiel, repérer une anomalie radiologique ou explorer des millions de molécules. Mais soigner ne consiste pas seulement à calculer la réponse la plus probable.

Du dialogue à l’aide au diagnostic

Les progrès les plus visibles concernent les modèles multimodaux, capables de travailler sur plusieurs formes de données. Une étude publiée en 2026 dans *Science* a comparé un modèle de raisonnement d’OpenAI à des centaines de médecins sur plusieurs types de cas, dont des patients récemment vus aux urgences. Le modèle a obtenu de meilleurs résultats sur plusieurs tâches de diagnostic et de prise en charge.

D’autres travaux menés sur les défis cliniques illustrés du *New England Journal of Medicine* montrent que des modèles récents peuvent dépasser les participants humains sur ces exercices standardisés. C’est impressionnant, mais ce n’est pas encore une consultation : les cas sont sélectionnés, les informations utiles sont déjà réunies et certaines évaluations prennent la forme de questions à choix multiple. Dans la réalité, il faut décider quelles questions poser, détecter ce que le patient ne dit pas et agir malgré des données incomplètes.

L’imagerie est déjà plus proche de l’usage quotidien. La liste de la FDA compte plus de 1 600 dispositifs médicaux utilisant l’IA autorisés aux États-Unis en septembre 2026, avec une forte concentration en radiologie. Ils peuvent aider à détecter, mesurer, segmenter ou prioriser des images. Leur intérêt n’est pas forcément de remplacer le radiologue, mais de faire remonter plus vite un examen urgent, de signaler une zone suspecte ou de réduire les tâches répétitives.

AlphaFold et AlphaGenome accélèrent la biologie

La médecine progresse aussi loin du cabinet. AlphaFold a rendu accessibles plus de 200 millions de prédictions de structures de protéines. AlphaFold 3 cherche désormais à prévoir leurs interactions avec d’autres molécules. Des expériences qui demandaient parfois des mois peuvent ainsi être orientées en quelques heures, même si la prédiction ne dispense pas de validation en laboratoire.

AlphaGenome étend cette logique au génome. Le modèle de Google DeepMind analyse jusqu’à un million de lettres d’ADN et prédit l’effet possible d’une mutation sur l’expression ou l’épissage des gènes. Il ouvre des pistes pour mieux comprendre certaines maladies rares ou des mutations associées au cancer. DeepMind précise cependant qu’il s’agit d’un outil de recherche, non validé pour établir directement le risque médical d’une personne.

La découverte de médicaments profite du même mouvement. L’IA aide à choisir une cible, imaginer une molécule, anticiper certaines propriétés et sélectionner les candidats à tester. La FDA constate d’ailleurs une hausse rapide des dossiers comportant des éléments d’IA tout au long du développement pharmaceutique. Mais l’emballement mérite une limite claire : au moment de notre consultation des sources, aucun médicament entièrement découvert et conçu par IA n’avait encore obtenu d’autorisation complète de la FDA. L’essai clinique demeure le juge de paix.

Le gain le plus immédiat est peut-être administratif

La transformation la plus utile à court terme est moins spectaculaire. Les scribes IA écoutent une consultation, puis préparent un compte rendu que le médecin relit et corrige.

Un essai randomisé conduit par UCLA Health auprès de 238 médecins et portant sur 72 000 consultations a observé, pour l’un des deux outils testés, une baisse proche de 10 % du temps de documentation par rapport aux soins habituels. Les effets sur l’épuisement professionnel étaient modestes mais encourageants. Les notes contenaient toutefois parfois des omissions ou des erreurs de pronoms, ce qui impose une vérification active.

Le bénéfice potentiel est presque paradoxal : plus de technologie peut redonner du temps humain. Si le médecin regarde moins son clavier, il peut davantage regarder son patient.

Ce qu’un modèle ne prend pas en charge

Même excellent sur un cas complexe, un modèle ne palpe pas un abdomen, ne voit pas spontanément un visage se fermer et ne réagit pas physiquement à une détresse vitale. Il ne porte pas non plus la responsabilité morale et juridique d’une décision.

Le médecin doit arbitrer quand les recommandations se contredisent, tenir compte des fragilités sociales, annoncer un cancer, recueillir un consentement et accompagner la peur. Dans une urgence, il faut décider vite, coordonner une équipe et parfois déroger au scénario statistiquement le plus probable. Cette intelligence située, relationnelle et corporelle reste au cœur du métier.

Il faut aussi résister au biais d’automatisation : une proposition bien formulée peut être fausse. L’Organisation mondiale de la santé alerte sur les réponses inexactes, les biais de données, les atteintes à la confidentialité et le risque que soignants ou patients délèguent abusivement une décision difficile. Les systèmes médicaux doivent donc être évalués sur des populations réelles, surveillés dans le temps et utilisés avec des droits d’accès clairs.

Un médecin augmenté, pas effacé

Le scénario le plus crédible n’oppose pas l’homme à la machine. Il associe un médecin qui comprend les limites de l’outil à une IA capable d’explorer plus vite la littérature, l’image, le dossier et les hypothèses possibles.

Certaines compétences vont perdre de leur valeur lorsqu’elles sont essentiellement fondées sur la mémorisation ou la reconnaissance répétitive. D’autres vont devenir plus importantes : formuler le bon problème, vérifier une recommandation, expliquer l’incertitude, examiner et décider. La formation médicale devra donc évoluer sans abandonner les fondamentaux nécessaires pour détecter l’erreur de la machine.

L’optimisme n’oblige pas à la naïveté. Les modèles peuvent se tromper, amplifier des biais ou créer une dépendance. Mais bien intégrés, ils peuvent contribuer à des diagnostics plus précoces, accélérer la recherche et libérer du temps clinique. L’IA ne remplacera probablement pas les médecins. Elle pourrait en revanche donner aux meilleurs d’entre eux des capacités qu’aucune génération précédente n’avait à sa disposition au bénéfice du patient.