{"id":10220,"date":"2026-05-09T14:45:52","date_gmt":"2026-05-09T18:45:52","guid":{"rendered":"https:\/\/www.gillesenvrac.ca\/carnet\/?page_id=10220"},"modified":"2026-06-10T09:01:18","modified_gmt":"2026-06-10T13:01:18","slug":"ia-a-lurgence-hopital","status":"publish","type":"page","link":"https:\/\/gillesenvrac.ca\/carnet\/ia-debat\/ia-a-lurgence-hopital\/","title":{"rendered":"L’IA \u00e0 l’urgence de l’h\u00f4pital…"},"content":{"rendered":"\n

Traduction de la conclusion (discussion) de l’article Performance of a large language model on the reasoning tasks of a physician<\/a>, par Peter Brodeur et al. paru dans Science le 30 avril 2026. <\/p>\n\n\n\n

\n\n\n\n
\"\"<\/figure>\n\n\n\n

Discussion<\/h2>\n\n\n\n

Nous avons \u00e9valu\u00e9 de mani\u00e8re syst\u00e9matique les capacit\u00e9s de raisonnement m\u00e9dical d\u2019un mod\u00e8le de langage de grande envergure (LLM) \u00e0 travers six exp\u00e9riences distinctes, en comparant le mod\u00e8le \u00e0 des centaines de m\u00e9decins experts. Dans l\u2019ensemble, le mod\u00e8le a surpass\u00e9 les m\u00e9decins dans toutes les exp\u00e9riences, y compris dans les cas utilisant des donn\u00e9es cliniques r\u00e9elles et non structur\u00e9es extraites directement des dossiers m\u00e9dicaux d\u2019un service d\u2019urgence<\/strong>. Ces points de contact diagnostiques refl\u00e8tent les d\u00e9cisions cruciales prises dans les services d\u2019urgence, o\u00f9 les infirmiers et les cliniciens doivent faire des choix urgents avec des informations limit\u00e9es<\/strong>. Nos r\u00e9sultats ont montr\u00e9 que les humains, GPT-4o et o1 ont tous am\u00e9lior\u00e9 leurs capacit\u00e9s de diagnostic \u00e0 mesure que davantage d’informations \u00e9taient disponibles ; o1 a surpass\u00e9 les humains \u00e0 plusieurs points de contact, l‘\u00e9cart le plus important \u00e9tant observ\u00e9 lors du triage initial aux urgences<\/strong>, o\u00f9 les informations disponibles sont les plus limit\u00e9es.<\/p>\n\n\n\n

Le rythme rapide des progr\u00e8s des LLM a des implications consid\u00e9rables pour la science et la pratique de la m\u00e9decine clinique. Bien que l’utilisation de l’IA pour l’aide \u00e0 la d\u00e9cision clinique soit parfois consid\u00e9r\u00e9e comme une entreprise \u00e0 haut risque, un recours accru \u00e0 ces outils pourrait contribuer \u00e0 att\u00e9nuer les co\u00fbts humains et financiers li\u00e9s aux erreurs de diagnostic, aux retards et au manque d’acc\u00e8s<\/strong>. Nos r\u00e9sultats sugg\u00e8rent qu’il est urgent de mener des essais prospectifs pour \u00e9valuer ces technologies dans des contextes r\u00e9els de soins aux patients et que les syst\u00e8mes de sant\u00e9 doivent se pr\u00e9parer \u00e0 investir dans des infrastructures informatiques et \u00e0 concevoir des interactions entre cliniciens et IA susceptibles de faciliter l’int\u00e9gration en toute s\u00e9curit\u00e9 des outils d’IA dans les flux de travail des soins aux patients. Cela inclut le d\u00e9veloppement de cadres de surveillance robustes pour superviser la mise en \u0153uvre \u00e0 plus grande \u00e9chelle des syst\u00e8mes d’aide \u00e0 la d\u00e9cision clinique bas\u00e9s sur l’IA, en surveillant non seulement la pr\u00e9cision du diagnostic final, mais aussi d’autres indicateurs essentiels \u00e0 un d\u00e9ploiement r\u00e9ussi, notamment la s\u00e9curit\u00e9, l’efficacit\u00e9 et le co\u00fbt.1<\/a><\/sup>Et l’impact sur la comp\u00e9tence du personnel soignant qui risque de \u00ab\u00a0perdre la main\u00a0\u00bb en se fiant trop souvent \u00e0 la recommandation de l’IA ? GB<\/span><\/p>\n\n\n\n

Nous soulignons que notre \u00e9tude porte uniquement sur les performances textuelles<\/strong>, tant pour les humains que pour les machines ; la m\u00e9decine clinique est multiforme et regorge d\u2019informations non textuelles<\/strong>, notamment auditives (telles que le niveau de d\u00e9tresse du patient) et visuelles (par exemple, l\u2019interpr\u00e9tation des examens d\u2019imagerie m\u00e9dicale) que les cliniciens utilisent couramment. Les \u00e9tudes existantes sugg\u00e8rent que les mod\u00e8les de base actuels sont plus limit\u00e9s dans leur capacit\u00e9 de raisonnement sur les donn\u00e9es non textuelles ; des travaux futurs sont n\u00e9cessaires pour \u00e9valuer comment les humains et les machines peuvent collaborer efficacement dans l’utilisation de signaux non textuels. Cela n\u00e9cessite de nouveaux benchmarks, essais et solutions technologiques pour mesurer plus fid\u00e8lement les consultations cliniques. Les investissements existants dans les scribes IA de plus en plus r\u00e9pandus et d’autres technologies de surveillance passive sont prometteurs pour servir de base \u00e0 de telles investigations. De telles \u00e9tudes pourraient aider \u00e0 approfondir l’analyse d’une limitation importante des benchmarks existants de l’IA m\u00e9dicale, y compris plusieurs de ceux \u00e9tudi\u00e9s ici, \u00e0 savoir leur d\u00e9pendance \u00e0 l’\u00e9gard du travail minutieux des cliniciens pour s\u00e9lectionner et \u00ab nettoyer \u00bb les cas, ainsi qu’\u00e0 l’\u00e9gard de questions initialement \u00e9labor\u00e9es \u00e0 des fins \u00e9ducatives, ce qui peut donc surestimer les performances des mod\u00e8les d’IA lorsqu’ils utilisent des donn\u00e9es \u00ab d\u00e9sordonn\u00e9es \u00bb disponibles dans des flux de travail cliniques plus r\u00e9alistes. <\/p>\n\n\n\n

Notre \u00e9tude pr\u00e9sente plusieurs limites. Premi\u00e8rement, alors que certaines exp\u00e9riences ont \u00e9t\u00e9 initialement men\u00e9es dans le cadre d\u2019une interaction homme-machine, notre \u00e9tude actuelle ne rend compte que des performances des mod\u00e8les et se concentre principalement sur la version pr\u00e9liminaire du mod\u00e8le o1, qui a depuis \u00e9t\u00e9 supplant\u00e9e par des mod\u00e8les plus r\u00e9cents (par exemple, le mod\u00e8le o3 d\u2019OpenAI). Bien que nous nous attendions \u00e0 ce que les performances soient maintenues ou am\u00e9lior\u00e9es avec les mod\u00e8les plus r\u00e9cents, des \u00e9tudes suppl\u00e9mentaires devraient \u00eatre men\u00e9es pour \u00e9lucider comment les performances varient d\u2019un mod\u00e8le \u00e0 l\u2019autre et pour \u00e9tudier comment les humains et les LLM peuvent collaborer. Deuxi\u00e8mement, notre \u00e9tude n\u2019a examin\u00e9 que six aspects du raisonnement clinique<\/strong> ; les chercheurs ont identifi\u00e9 des dizaines d\u2019autres t\u00e2ches qui pourraient \u00eatre \u00e9tudi\u00e9es et qui pourraient avoir un impact encore plus important sur les soins cliniques r\u00e9els. Troisi\u00e8mement, malgr\u00e9 le grand nombre et la grande vari\u00e9t\u00e9 de cas inclus dans notre \u00e9tude, qui se concentrait sur la m\u00e9decine interne et la m\u00e9decine d’urgence, celle-ci n’est pas repr\u00e9sentative de la pratique m\u00e9dicale au sens large, qui comprend de multiples sp\u00e9cialit\u00e9s n\u00e9cessitant des comp\u00e9tences vari\u00e9es, telles que les d\u00e9cisions li\u00e9es \u00e0 la chirurgie. Les performances peuvent varier en fonction des diagnostics, des caract\u00e9ristiques des patients ou des lieux d’exercice, qui n’ont pas \u00e9t\u00e9 pris en compte dans cette \u00e9tude. Quatri\u00e8mement, bien que les r\u00e9sultats de notre exp\u00e9rience en service d’urgence aient une validit\u00e9 apparente, la t\u00e2che que nous avons \u00e9tudi\u00e9e, \u00e0 savoir fournir un deuxi\u00e8me avis \u00e0 des moments pr\u00e9d\u00e9finis, doit \u00eatre consid\u00e9r\u00e9e avant tout comme une validation de principe. Les d\u00e9cisions prises en service d’urgence sont souvent centr\u00e9es sur le triage, l’orientation et la prise en charge imm\u00e9diate, et non sur la pr\u00e9cision diagnostique. Enfin, nous n\u2019avons pas toujours constat\u00e9 d\u2019am\u00e9liorations significatives des performances de o1 par rapport aux mod\u00e8les pr\u00e9c\u00e9dents, par exemple dans les diagnostics cruciaux \u00e0 ne pas manquer des cas Healer du NEJM<\/em> et dans les cas diagnostiques de r\u00e9f\u00e9rence.<\/p>\n\n\n\n

Dans l\u2019ensemble, nos r\u00e9sultats montrent que les LLM affichent d\u00e9sormais des performances substantielles en mati\u00e8re de diagnostic diff\u00e9rentiel, de raisonnement clinique diagnostique et de raisonnement de prise en charge, et surpassent \u00e0 la fois les g\u00e9n\u00e9rations de mod\u00e8les pr\u00e9c\u00e9dentes et m\u00eame les cliniciens humains dans de multiples domaines. Ces m\u00eames gains de performance sont observ\u00e9s dans la fourniture de deuxi\u00e8mes avis sur des cas m\u00e9dicaux r\u00e9els et non structur\u00e9s aux urgences, o\u00f9 les cliniciens doivent agir rapidement avec des informations limit\u00e9es et souvent manquantes.<\/p>\n\n\n\n

Il y a plus de 65 ans, Ledley et Lusted ont d\u00e9crit la norme d’\u00e9valuation des capacit\u00e9s diagnostiques de l’IA. Le d\u00e9fi g\u00e9n\u00e9ral qu’ils ont pos\u00e9, consistant \u00e0 raisonner sur des vignettes de cas cliniques complexes, a guid\u00e9 le d\u00e9veloppement et l’\u00e9valuation des syst\u00e8mes computationnels pendant une grande partie du si\u00e8cle dernier. Nos r\u00e9sultats sugg\u00e8rent que les LLM ont d\u00e9sormais surpass\u00e9 la plupart des r\u00e9f\u00e9rences en mati\u00e8re de raisonnement clinique, ce qui justifie le besoin urgent d’\u00e9tudes sur l’interaction homme-machine<\/strong> et d’essais cliniques prospectifs afin d’\u00e9valuer rigoureusement le potentiel des syst\u00e8mes d’IA \u00e0 am\u00e9liorer la pratique clinique et les r\u00e9sultats pour les patients.<\/p>\n\n\n\n

\n\n\n\n

Liste \u00e9volutive des\u00a0traductions<\/a> par\u00a0Gilles en vrac<\/em>
Les\u00a0caract\u00e8res gras<\/strong>\u00a0dans le texte sont de Gilles.<\/p>\n

Notes <\/h3>