Le secteur de l’IA vient d’être le théâtre d’un développement notable.
L’IA ne remplacera pas les radiologues, mais elle va profondément transformer leur métier
Un pionnier de l’intelligence artificielle avait un jour prédit que les ordinateurs remplaceraient les radiologues humains. Cela n’a pas été le cas.
En 2016, Geoffrey Hinton, lauréat du prix Nobel et « parrain de l’IA », avait prédit que les radiologues — ces médecins qui interprètent les radiographies, les échographies et autres images pour établir des diagnostics médicaux — seraient remplacés par des ordinateurs d’ici cinq ans. Aujourd’hui, les professionnels du secteur peuvent répliquer en citant la célèbre boutade de Mark Twain : « Les rumeurs concernant ma mort étaient exagérées. »
Sur ce point, les effectifs de la radiologie ne cessent en effet de croître, le nombre de praticiens devant augmenter de 26 % ou plus au cours des trois prochaines décennies. Mais ce que Hinton a peut-être négligé concernant la dynamique du marché du travail ne doit pas occulter sa clairvoyance : il avait raison de dire que les médecins humains ont désormais dans leur cabinet un collègue « à base de silicium » dont les performances égalent, voire dépassent, les leurs. En effet, la radiologie est de loin le domaine médical le plus en vogue en matière d’IA, ce qui en fait un indicateur clé de l’adoption des systèmes d’aide à la décision par des experts dans l’ensemble du secteur de la santé, et peut-être même dans d’autres domaines.
À relever, début 2026, environ les trois quarts des 1 400 dispositifs médicaux dotés d’intelligence artificielle autorisés par la Food and Drug Administration étaient destinés à la radiologie. Certains permettent aux médecins de gagner en efficacité en rédigeant des rapports ou en les alertant sur les images nécessitant une attention urgente. Cependant d’autres outils d’IA ont le potentiel d’améliorer les performances humaines en identifiant des anomalies qui peuvent échapper à l’œil nu, ou en interprétant les images aussi bien — voire parfois mieux — que des radiologues expérimentés. Par exemple, une analyse portant sur 43 essais cliniques a conclu que les coloscopies assistées par l’IA permettent de détecter davantage de polypes que les coloscopies classiques.
Il est important d’améliorer la précision, car on estime que les taux moyens d’erreur humaine liés aux images diagnostiques se situent entre 3 et 5 %, ce qui représente environ 40 millions d’erreurs chaque année dans le monde. Pourtant, la outil ne consiste pas simplement à remplacer les humains par des machines. Dix ans après la prédiction sensationnelle de Hinton, la grande question n’est pas de savoir si les humains ou l’IA obtiennent statistiquement de meilleurs résultats pour une tâche donnée, mais comment la précision technique de l’IA peut être associée à l’expérience et à la souplesse des humains afin d’optimiser la précision, dans l’intérêt des patients.
Trouver la meilleure façon de concevoir un tel système collaboratif n’est pas chose aisée. Même si, en moyenne, l’IA est plus fiable qu’un radiologue expérimenté pour interpréter certaines images, elle commettra tout de même des erreurs que les humains ne commettraient pas, explique le radiologue Curtis Langlotz, directeur du Centre pour l’intelligence artificielle en médecine et en imagerie de l’université de Stanford. Les radiologues se retrouvent de cette manière chargés d’évaluer chaque décision prise par l’IA — dont la grande majorité sera correcte — et d’identifier les rares cas où l’algorithme s’est trompé.
« Cela nécessite un véritable changement de mentalité », explique le radiologue Paul Yi, chef du service d’informatique d’imagerie intelligente au St. Jude Children’s Research Hospital de Memphis, dans le Tennessee.
Les médecins ont pris l’habitude de passer outre les recommandations des ordinateurs, mais cette fois-ci, la situation est différente. Depuis des décennies, les alertes des dossiers médicaux électroniques, déclenchées par des algorithmes basés sur des règles, signalent aux médecins des risques tels que des interactions médicamenteuses potentiellement dangereuses. Selon M. Langlotz, les médecins ignorent généralement ces avertissements dans environ la moitié des cas. « Je vais recevoir une recommandation de l’ordinateur et je devrai l’évaluer à la lumière de toutes les autres informations dont je dispose sur ce patient, puis prendre la meilleure décision possible », explique-t-il.
À retenir de cette annonce :
- Trouver la meilleure façon de concevoir un tel système collaboratif n’est pas chose aisée.
- Jude Children’s Research Hospital de Memphis, dans le Tennessee.
- Les médecins ont pris l’habitude de passer outre les recommandations des ordinateurs, mais cette fois-ci, la situation est différente.
Pour les professionnels du domaine, cette annonce mérite d’être surveillée.
Pour aller plus loin :
- Bienvenue dans la crise de l’IA en mathématiques
- Slack lance des canaux collaboratifs dédiés au « vibe-coding »
Information rapportée par Ars Technica AI : Ars Technica AI