Intelligence artificielle en médecine : usages, exemples et risques

L'intelligence artificielle en médecine désigne des modèles qui apprennent à partir de données pour aider aux tâches cliniques et administratives : rechercher des preuves, résumer un dossier, lire des images ou proposer des codes CIM-10. Elle fait gagner du temps, mais peut se tromper, reproduire des biais et exposer des données : elle exige validation et supervision médicale.

Mise à jour éditoriale : 10 octobre 2026. Publié par Arkangel AI, éditeur de logiciels d'IA pour la santé. Cet article est informatif ; il ne remplace pas le jugement clinique et ne constitue pas un avis médical.

Qu'est-ce que l'IA médicale ?

« Intelligence artificielle » regroupe des techniques différentes. En santé, il est utile de les distinguer, car chacune échoue à sa manière :

Type	Ce qu'il fait	Exemple en santé
Systèmes à base de règles	Appliquent des règles écrites par des experts	Alerte d'interaction médicamenteuse
Apprentissage automatique prédictif	Estime un risque à partir de données historiques	Risque de réhospitalisation ou de dégradation clinique
Vision par ordinateur	Analyse images et signaux	Anomalies sur radiographie, rétinographie ou lame numérisée
IA générative et grands modèles de langage (LLM)	Lit et rédige du texte en langage naturel	Résumer un dossier ou répondre à une question avec sources

L'IA générative est celle qui a le plus progressé depuis 2023 et qui soulève le plus de questions, car elle produit un texte fluide même lorsque le contenu est faux. C'est pourquoi, en usage clinique, chaque affirmation doit pouvoir être reliée à une source vérifiable.

Comment l'IA est-elle utilisée en médecine ?

L'IA est aujourd'hui utilisée dans six domaines principaux. Aucun ne supprime la décision humaine :

1. Recherche de preuves. Le médecin pose une question clinique en langage naturel et obtient une synthèse avec études et recommandations citées. Voir recherche médicale par IA.
2. Aide à la décision clinique. Rappels, alertes, diagnostics différentiels ou résumés de recommandations au moment de décider. Voir assistant clinique IA.
3. Imagerie et signaux. Modèles qui signalent des anomalies possibles sur radiographie, scanner ou ECG, revues ensuite par le spécialiste.
4. Documentation. Résumés de dossier, brouillons de comptes rendus et extraction de données structurées à partir de texte libre.
5. Codage et contrôle. Propositions de codes CIM-10 avec le passage justificatif, contrôle de cohérence avant facturation. Voir codage CIM-10 et IA.
6. Recherche et santé publique. Constitution de cohortes, pharmacovigilance, analyse de données de vie réelle.

Exemples d'intelligence artificielle en médecine

• Question clinique sourcée : « Quelle est la prise en charge initiale de l'hypertension chez un patient atteint de maladie rénale chronique selon les recommandations actuelles ? » Un outil spécialisé renvoie une synthèse avec les liens vers les recommandations et essais utilisés ; le médecin lit la source avant de l'appliquer.
• Extraction de données : dans un travail présenté à l'IEEE CAI 2025, le système PANDORA d'Arkangel AI a extrait des variables de notes cliniques non structurées pour calculer le score de risque PUMA de la BPCO, avec 94 % d'exactitude (DOI 10.1109/CAI64502.2025.00280).
• Dispositifs autorisés : la FDA américaine publie une liste des dispositifs médicaux intégrant de l'IA, majoritairement en radiologie.

Bénéfices : ce que montrent les données

La revue d'Eric Topol dans Nature Medicine décrit le potentiel de l'IA à trois niveaux : cliniciens (interprétation plus rapide), systèmes de santé (flux plus efficaces) et patients (Topol, 2019). Elle rappelle aussi qu'une grande partie des données est rétrospective.

Pour la recherche de preuves, les résultats sont encourageants, à lire avec leur méthodologie :

• Dans un pilote randomisé préliminaire (25 participants, poster de congrès, 2025), les utilisateurs d'Arkangel AI ont répondu 79 % plus vite avec 34 % de recherches en moins. Un essai randomisé ultérieur, évalué par les pairs, mené auprès de 83 étudiants en médecine, a montré ~55 % de temps en moins par cas et des réponses plus valides.
• Dans Intelligence-Based Medicine (2025), l'agent d'Arkangel AI a obtenu 90,26 % d'exactitude sur des questions de type MedQA (DOI 10.1016/j.ibmed.2025.100274). Un QCM n'équivaut pas à une performance en consultation réelle.

Conflit d'intérêts : les études d'Arkangel AI citées ici ont été réalisées par sa propre équipe. Elles sont consultables sur la page recherche.

Quels sont les risques de l'IA en médecine ?

Voici les sept risques qui comptent le plus en pratique clinique :

1. Erreurs et « hallucinations ». Un modèle de langage peut inventer faits ou références avec aplomb. Dans une étude sur ChatGPT-3.5, 47 % des références générées étaient inventées et 46 % authentiques mais inexactes (Bhattacharyya et al., 2023).
2. Biais des données. Un algorithme utilisé aux États-Unis sous-estimait les besoins des patients noirs, car il utilisait les dépenses de santé comme indicateur de maladie (Obermeyer et al., 2019).
3. Biais d'automatisation. Les professionnels tendent à accepter des suggestions automatiques même erronées (Goddard et al., 2012).
4. Confidentialité et sécurité. Coller des données identifiantes dans un chatbot grand public peut contrevenir au RGPD et au secret médical.
5. Absence de validation locale. Un modèle validé sur une population peut être moins performant ailleurs (case-mix, langue, dossier patient).
6. Responsabilité floue. Si l'IA suggère et que le médecin décide, il faut préciser qui relit, comment on trace et comment on déclare les erreurs.
7. Inégalités d'accès. Des outils uniquement anglophones, ou réservés à certains pays, creusent les écarts entre systèmes de santé.

Les mêmes pratiques réduisent ces sept risques : sources vérifiables, validation sur la population cible, contrôle des accès, traçabilité et relecture professionnelle de chaque résultat.

Que disent l'OMS et la HAS ?

En 2021, l'Organisation mondiale de la santé a publié Ethics and governance of artificial intelligence for health, fondé sur six principes : protéger l'autonomie humaine ; promouvoir le bien-être, la sécurité et l'intérêt public ; garantir transparence, explicabilité et intelligibilité ; favoriser la responsabilité ; assurer l'inclusion et l'équité ; promouvoir une IA réactive et durable. En janvier 2024, elle a ajouté des orientations sur les grands modèles multimodaux, la famille de ChatGPT.

En France, la Haute Autorité de santé a publié en octobre 2025 le guide Premières clefs d'usage de l'IA générative en santé. Il demande un usage conscient, encadré et raisonné, résumé par l'acronyme A.V.E.C. : Apprendre le fonctionnement de l'outil, Vérifier les contenus générés, Estimer dans le temps la qualité du système, Communiquer avec ses pairs.

Réglementation : ce qui change

• Union européenne. Le règlement sur l'IA (UE) 2024/1689 classe à haut risque de nombreux systèmes d'IA intégrés à des dispositifs médicaux, qui relèvent par ailleurs du marquage CE.
• États-Unis. En janvier 2026, la FDA a mis à jour ses lignes directrices sur les logiciels d'aide à la décision clinique, qui conservent quatre critères pour distinguer un logiciel d'appui d'un dispositif médical.
• Données de santé. Le traitement des données patients relève du RGPD : vérifiez les garanties contractuelles de chaque outil avant tout usage avec des données réelles.

Comment choisir et utiliser un outil d'IA clinique

• Sources visibles : chaque réponse doit renvoyer à des études ou recommandations consultables.
• Sécurité démontrable : demandez des certifications avec périmètre et date de validité.
• Données patients : n'entrez pas de données identifiantes dans un outil qui n'est pas contractuellement prévu pour cela.
• Langue et contexte : l'outil doit comprendre le français et citer des références pertinentes, comme les recommandations de la HAS.
• Preuves publiées : privilégiez des outils évalués dans des études avec méthodologie et conflits d'intérêts déclarés.

Arkangel AI répond aux questions cliniques avec des références consultables, en français, anglais, espagnol et portugais. Elle est disponible sur le web et sur WhatsApp. Elle est certifiée ISO 27001:2022, avec plus de 70 contrôles de sécurité suivis en continu via Vanta (Trust Center). Dans l'UE, elle est disponible sous certaines conditions, avec une licence Enterprise. L'offre gratuite comprend un nombre limité de recherches ; les offres payantes (Pro à partir de 20 USD/mois) relèvent les limites (tarifs). N'y saisissez pas de données identifiantes de patients. Pour comparer les options, lisez meilleure IA médicale en 2026 ou consultez IA pour les médecins.

Est-ce que l'IA va remplacer les médecins ?

Non. L'IA accélère la recherche d'informations, la revue de documents et certaines lectures d'images, mais l'examen clinique, l'intégration du contexte du patient, la communication et la responsabilité de la décision restent humains. Le métier change plutôt de forme : moins de temps à chercher et à saisir, davantage à vérifier et à décider avec le patient.

Questions fréquentes

Que dit l'OMS sur l'IA en santé ?

L'OMS demande que l'IA en santé protège l'autonomie et la vie privée, soit transparente, sûre et supervisée par l'humain, favorise l'équité et soit évaluée en conditions réelles. Depuis 2024, elle dispose aussi d'orientations propres aux grands modèles de langage, avec des recommandations pour les États, les développeurs et les soignants.

Quels sont les deux pires risques de l'IA en médecine ?

En pratique clinique, les deux risques les plus graves sont les réponses fausses présentées avec assurance, références inventées comprises, et le biais d'automatisation, qui pousse à les accepter sans vérifier. Les deux se réduisent en exigeant des sources consultables et en gardant le médecin responsable de chaque décision.

Est-ce que l'IA va remplacer les médecins ?

Non. L'IA accélère la recherche d'informations et la revue de documents, mais l'examen clinique, le contexte et la décision restent humains. Les outils sérieux sont conçus comme des copilotes : chaque résultat est relié à sa source et validé par le professionnel, qui reste responsable de la prise en charge.

Existe-t-il une IA médicale gratuite ?

Oui, avec des limites. Certains outils sont gratuits pour les professionnels vérifiés ou proposent un quota de questions. Arkangel AI offre un plan gratuit avec recherches limitées et des offres payantes qui augmentent l'usage. Comparez sources citées, langue, confidentialité et conditions d'utilisation des données avant de choisir.

Sources

• OMS. Ethics and governance of artificial intelligence for health (2021) et orientations sur les grands modèles multimodaux (2024).
• HAS. Premières clefs d'usage de l'IA générative en santé (2025).
• Union européenne. Règlement (UE) 2024/1689.
• FDA. Artificial Intelligence-Enabled Medical Devices et Clinical Decision Support Software.
• Topol EJ. High-performance medicine. Nat Med 2019.
• Bhattacharyya M et al. Références inventées dans le contenu médical généré par ChatGPT. Cureus 2023.
• Obermeyer Z et al. Dissecting racial bias in an algorithm. Science 2019.
• Goddard K et al. Automation bias: a systematic review. JAMIA 2012.
• Arkangel AI. Mayo Clinic Proceedings: Digital Health, 2026 (auteurs de l'équipe Arkangel AI) et Intelligence-Based Medicine, 2025.