L’aide à la décision médicale existe dans le secteur de la santé depuis des décennies, allant des simples alertes d’interactions médicamenteuses intégrées aux systèmes de prescription jusqu’aux outils diagnostiques sophistiqués fondés sur des règles. L’arrivée des grands modèles de langage (LLM), tels que ChatGPT, a changé la donne. Ces outils peuvent traiter des questions cliniques complexes en langage naturel, synthétiser de longs historiques de patients et générer un raisonnement clinique plausible en quelques secondes. Pour les cliniciens, cela crée un véritable dilemme : ces outils sont déjà utilisés de manière informelle dans les parcours de soins, mais leur validation pour la prise de décision à enjeux élevés reste limitée et inégale. Comprendre où les LLM apportent une réelle aide, où ils échouent et quels cadres de gouvernance devraient encadrer leur utilisation est désormais une nécessité pratique pour toute personne travaillant dans le secteur de la santé.

Ce que signifie réellement l’aide à la décision médicale en 2026

L’aide à la décision médicale (CDS) n’est pas une technologie unique, mais un spectre. À une extrémité se trouvent les alertes passives fondées sur des règles : un système de prescription signalant une combinaison médicamenteuse contre-indiquée, ou un rappel qu’une patiente est en retard pour un frottis cervical. À l’autre extrémité figurent des outils actifs pilotés par l’intelligence artificielle (IA, un système informatique capable d’effectuer des tâches nécessitant normalement l’intelligence humaine) qui interprètent des données cliniques non structurées, génèrent des diagnostics différentiels ou recommandent des parcours de traitement en temps réel.

Cette distinction est importante pour la gestion des risques. Une alerte fondée sur des règles qui se déclenche à tort est agaçante et peut provoquer une lassitude face aux alertes. Un LLM qui génère avec assurance un diagnostic différentiel plausible mais erroné dans un cas complexe peut entraîner un préjudice pour le patient. Tous les outils CDS n’ont pas le même profil de risque. Évaluer les LLM à usage général comme ChatGPT sur ce spectre nécessite de clarifier à quelle partie du spectre ils appartiennent.

En 2026, la plupart des IA cliniques se situent quelque part au milieu : des outils qui combinent la reconnaissance de motifs sur de grands ensembles de données avec une logique clinique structurée. ChatGPT et ses équivalents occupent une position particulière. Ils sont extrêmement performants pour les tâches linguistiques, mais n’ont été ni conçus, ni entraînés, ni validés comme dispositifs médicaux.

Comment fonctionnent les grands modèles de langage : un guide pour les cliniciens

Les LLM comme ChatGPT génèrent du texte en prédisant le prochain jeton (fragment de mot) statistiquement le plus probable à partir de motifs appris sur d’immenses volumes de données d’entraînement. Ils ne raisonnent pas comme un clinicien. Ils n’accèdent pas à une base de connaissances structurée, ne consultent pas une pharmacopée et n’appliquent pas de règles logiques. Ils produisent des réponses linguistiquement cohérentes et souvent factuellement exactes, car les informations justes étaient bien représentées dans leurs données d’entraînement.

Ce mécanisme est fondamentalement différent des systèmes CDS fondés sur des règles que la plupart des cliniciens rencontrent déjà dans leurs dossiers médicaux. Un système fondé sur des règles signalera toujours une interaction médicamenteuse spécifique si la logique est correctement codée. Un LLM peut le faire ou non, selon la formulation de la question, la présence de l’information dans ses données d’entraînement et la variabilité probabiliste inhérente à ses résultats.

Comprendre cette distinction est cliniquement essentiel. Les LLM ne sont pas des moteurs de recherche dotés d’un index fiable. Ce sont des moteurs sophistiqués de reconnaissance de motifs qui produisent du langage. Leurs résultats doivent être évalués en conséquence.

Où ChatGPT montre un réel potentiel dans les parcours de soins

Malgré ces limites architecturales, les preuves de l’utilité des LLM dans certaines tâches cliniques s’accumulent. Une revue exploratoire de 28 études publiée dans Health Science Reports a identifié l’aide à la décision médicale et la formation médicale comme les avantages les plus fréquemment cités de ChatGPT dans les contextes de soins de santé.

Les domaines où les preuves d’utilité sont les plus solides incluent :

• Documentation médicale : Une synthèse publiée dans Frontiers in Artificial Intelligence a mis en évidence des gains de temps de 40 à 70 % dans les tâches de documentation médicale lorsque les LLM assistaient à la génération et à la synthèse de notes.

• Soutien aux non-spécialistes : Une étude de juin 2026 dans NPJ Digital Medicine évaluant ChatGPT-4o sur 100 cas réels de polyneuropathie a révélé qu’il atteignait une précision de diagnostic principal de 65,5 %, comparable à celle des neurologues non spécialistes (63,0 %), bien qu’inférieure à celle des spécialistes (74,0 %). Les non-spécialistes ont révisé leurs évaluations dans 21,8 % des cas après avoir examiné les suggestions de ChatGPT-4o, améliorant ainsi leur précision.

• Étendue du diagnostic différentiel : Dans la même étude sur la polyneuropathie, ChatGPT-4o a surpassé les non-spécialistes sur les diagnostics différentiels (82,0 % contre 77,5 %) et a recommandé des tests de confirmation plus appropriés (68,0 % contre 53,0 %).

• Communication avec les patients : Les LLM démontrent une utilité mesurable dans la rédaction de courriers aux patients, l’explication de diagnostics dans un langage accessible et le soutien aux tâches de littératie en santé.

• Synthèse de la littérature : Pour les cliniciens effectuant des revues rapides de la littérature, les LLM peuvent accélérer l’identification et la synthèse d’études pertinentes, bien que les résultats nécessitent une vérification.

Une revue systématique des LLM dans le continuum de soins du cancer colorectal, publiée dans le Journal of Medical Internet Research en mai 2026, a mis en évidence leur utilité pour l’automatisation de l’extraction de données à partir de textes cliniques, le soutien à l’éducation des patients et l’aide à la décision médicale. Les modèles spécifiques au domaine et multimodaux ont montré des avantages par rapport aux modèles à usage général dans certaines tâches.

Le problème de précision : hallucinations, connaissances obsolètes et confiance injustifiée

La limitation la plus significative sur le plan clinique des LLM est l’hallucination, c’est-à-dire la génération d’informations plausibles mais factuellement incorrectes. Dans les tâches linguistiques quotidiennes, un détail halluciné est un inconvénient mineur. Dans les contextes cliniques, cela peut être dangereux.

Une analyse de novembre 2025 des risques d’hallucination dans les LLM déployés dans les soins de santé a révélé que des résultats hallucinés paraissant crédibles peuvent orienter les cliniciens vers des interventions préjudiciables, influençant à la fois les parcours diagnostiques et les choix thérapeutiques. L’analyse a noté que même des inexactitudes mineures peuvent aggraver le risque clinique lorsqu’elles s’alignent sur un biais cognitif existant du clinicien. Le modèle confirme ce que le clinicien soupçonne déjà, et l’erreur n’est pas remise en question.

Le problème d’hallucination est aggravé par un défaut de calibration de la confiance. Une évaluation complète de quatre LLM sur des cas complexes de rhumatologie, publiée dans Health Informatics Journal en avril 2026, a révélé que, bien que ChatGPT-4 ait atteint une précision de diagnostic principal de 100 % sur les cas de test (sur un petit ensemble), l’analyse de corrélation de Spearman a montré des associations uniformément faibles et non significatives entre la qualité du raisonnement et la certitude exprimée dans tous les modèles. Les modèles ne savaient pas de manière fiable quand ils se trompaient et exprimaient une confiance similaire, que leur raisonnement soit solide ou non.

ChatGPT a présenté le taux d’hallucination le plus faible des quatre modèles testés (7,4 %), contre 18,5 % pour Gemini. Même un taux d’hallucination de 7,4 % dans un contexte clinique n’est pas négligeable.

Les autres limites de précision incluent :

• Limites de connaissances : Les LLM sont entraînés sur des données jusqu’à une date donnée. Les recommandations cliniques, les autorisations de mise sur le marché de médicaments et les alertes de sécurité publiées après cette date ne seront pas prises en compte dans les réponses, sauf si le modèle a accès à des outils de récupération en temps réel.

• Dégradation des performances dans les cas complexes : Une étude basée sur des simulations publiée dans Healthcare (MDPI) en juillet 2025 a montré que la fiabilité de ChatGPT diminuait fortement dans les cas cardiovasculaires avec comorbidités, précisément la population de patients la plus fréquemment rencontrée en soins secondaires.

• Détection des interactions médicamenteuses : Une étude européenne publiée dans Clinical Pharmacology & Therapeutics en février 2025 a montré que ChatGPT produisait des réponses différentes dans 90 % des cas lorsque la même requête d’interaction médicament-médicament était répétée et omettait des interactions cliniquement pertinentes, concluant qu’il ne peut actuellement pas être recommandé pour cet usage.

Statut réglementaire : ChatGPT est-il un dispositif médical ?

La position réglementaire des LLM à usage général au regard du Règlement européen sur les dispositifs médicaux (RDM UE) n’est pas simple, et la clarté sur ce point est encore en évolution. Le RDM UE définit un dispositif médical en partie par son usage prévu. Les logiciels destinés au diagnostic, à la prévention, à la surveillance ou au traitement de maladies relèvent de son champ d’application. Les LLM à usage général comme ChatGPT ne sont pas commercialisés avec un usage médical prévu, ce qui signifie qu’ils ne portent actuellement pas le marquage CE en tant que dispositifs médicaux.

Cela crée un écart de responsabilité important. Lorsqu’un clinicien utilise un outil d’aide à la décision médicale réglementé, il existe une base de preuves validée, un usage prévu défini, un cadre de responsabilité du fabricant et une traçabilité réglementaire. Lorsqu’un clinicien utilise le ChatGPT grand public pour soutenir une décision clinique, aucune de ces garanties ne s’applique. La responsabilité clinique repose entièrement sur le clinicien.

Cette distinction n’est pas simplement administrative. Elle détermine si un outil a été testé sur de vraies populations de patients, si ses résultats ont été validés par rapport à des résultats cliniques, et si un mécanisme existe pour la surveillance post-commercialisation en cas de préjudice.

Risques pour la sécurité des patients que les cliniciens ne doivent pas négliger

Au-delà de l’hallucination, plusieurs modes de défaillance de sécurité distincts sont pertinents pour la pratique clinique.

Le biais d’automatisation est la tendance des cliniciens à s’en remettre à une suggestion générée par l’IA même lorsque leur propre jugement clinique aurait conduit à une conclusion différente et potentiellement plus précise. Ce risque est bien documenté dans la littérature sur les facteurs humains et s’applique directement à l’utilisation des LLM en contexte clinique.

Les performances dans la prise de décision séquentielle sont nettement inférieures à celles observées dans les questions-réponses statiques. Le benchmark AgentClinic, publié dans NPJ Digital Medicine en avril 2026, a révélé que la précision diagnostique des LLM dans des scénarios cliniques séquentiels et interactifs pouvait chuter à moins d’un dixième de la précision obtenue sur des questions statiques équivalentes. Les vraies rencontres cliniques sont séquentielles et dynamiques, alors que la plupart des évaluations de référence ne le sont pas.

Les diagnostics rares présentent une vulnérabilité particulière. Les LLM sont entraînés sur des données à l’échelle de la population, et les maladies rares sont par définition sous-représentées. Un modèle performant sur les présentations courantes peut échouer sur le cas atypique ou rare qui nécessite le plus un soutien diagnostique.

L’accès non supervisé des patients introduit une catégorie de risque distincte. Les patients utilisent déjà des LLM grand public pour interpréter des symptômes, évaluer des médicaments et décider de consulter ou non. Les contrôles de qualité applicables aux outils destinés aux cliniciens ne s’appliquent pas dans ce contexte. Le risque de préjudice lié à des informations cliniques générées par l’IA sans supervision est une préoccupation reconnue dans la littérature sur la sécurité des patients.

Une étude évaluant cinq LLM sur 50 scénarios cliniques de myélome multiple, analysée par trois hématologues-oncologues indépendants, a conclu que les recommandations de traitement des LLM nécessitent une supervision clinique attentive pour garantir la sécurité des patients, même dans un contexte d’évaluation structuré et spécifique à l’oncologie.

Sécurité des données, RGPD et le problème de la saisie de données patients

Un risque de conformité que les cliniciens sous-estiment fréquemment est la saisie de données patients identifiables dans des outils LLM grand public, soulevant d’importantes préoccupations en matière de sécurité et confidentialité des données. En vertu du Règlement général sur la protection des données du Royaume-Uni (RGPD) et du RGPD de l’UE, les données patients sont des données de catégorie spéciale nécessitant une base juridique explicite pour leur traitement. Saisir le nom, la date de naissance, l’historique clinique ou les résultats d’examens d’un patient dans un outil LLM grand public constitue presque toujours un traitement de données personnelles par un sous-traitant tiers, sans accord de traitement de données, sans base juridique, et potentiellement avec une localisation des données hors du Royaume-Uni ou de l’UE.

La distinction entre ChatGPT grand public et les déploiements spécifiques aux entreprises ou au secteur de la santé est ici essentielle. Les accords d’entreprise avec OpenAI ou des fournisseurs équivalents peuvent inclure des contrats de traitement de données, des engagements à ne pas utiliser les entrées pour l’entraînement des modèles et une localisation des données définie. Les outils grand public n’offrent aucune de ces garanties par défaut.

Les cliniciens utilisant un outil d’IA en contexte clinique doivent vérifier :

• Si un accord de traitement de données existe entre leur organisation et le fournisseur d’IA

• Où les données patients sont traitées et stockées

• Si l’outil a été approuvé par l’équipe de gouvernance de l’information de leur organisation

• Si les données patients peuvent être dé-identifiées avant la saisie sans perte d’utilité clinique

En quoi l’IA clinique spécialisée diffère des LLM à usage général

Le contraste entre les LLM à usage général et les outils d’IA clinique spécialisés ne tient pas seulement au modèle sous-jacent, mais à toute l’architecture de déploiement.

Une étude de référence publiée dans NPJ Digital Medicine en décembre 2025 a développé le Clinical Safety-Effectiveness Dual-Track Benchmark (CSEDB) et testé six LLM sur 30 métriques couvrant les domaines d’aide à la décision médicale. Les LLM médicaux spécifiques au domaine ont montré des avantages de performance constants par rapport aux modèles à usage général, avec des scores supérieurs en sécurité (0,912 contre des scores inférieurs pour les modèles généralistes) et en efficacité (0,861). Les performances globales de tous les modèles s’élevaient en moyenne à 57,2 %, avec une baisse de 13,3 % dans les scénarios cliniques à haut risque.

Les outils d’IA clinique spécialisés conçus pour des environnements de soins de santé réglementés offrent généralement :

• Des résultats validés, testés par rapport aux résultats cliniques dans des populations de patients définies

• Des pistes d’audit qui soutiennent la gouvernance clinique et la responsabilité

• Une intégration au dossier médical permettant à l’outil d’accéder aux données structurées des patients sans ressaisie manuelle

• Une certification de dispositif médical dans le cadre des réglementations pertinentes (RDM UE dans l’UE, enregistrement UKCA ou MHRA au Royaume-Uni)

• Des usages prévus définis qui limitent l’outil aux tâches pour lesquelles ses performances ont été évaluées

Le modèle de langage sous-jacent peut être similaire ou identique à un LLM à usage général. Ce qui diffère, c’est la couche de gouvernance, les preuves de validation et la responsabilité réglementaire.

Ce que disent réellement les preuves : revue des études cliniques

Les preuves publiées sur les performances des LLM dans les tâches cliniques se développent rapidement mais restent méthodologiquement inégales. Plusieurs mises en garde importantes s’imposent lors de l’interprétation de la littérature.

Les performances de référence ne sont pas synonymes d’utilité clinique réelle. Les LLM ont atteint des scores entre 80 et 90 % aux examens de licence médicale tels que l’USMLE, un résultat qui a suscité une attention médiatique notable. Les examens de licence testent le rappel et le raisonnement structuré sur des problèmes bien définis. Ils ne reproduisent pas l’ambiguïté, la pression temporelle, les informations incomplètes et la prise de décision séquentielle des vraies situations cliniques.

La qualité des études est variable. La revue systématique des LLM dans les soins du cancer colorectal a montré que seulement 27 % des études incluses présentaient un faible risque de biais, avec des problèmes concernant la mesure des résultats, la sélection des patients et l’absence d’évaluation en aveugle. Les résultats d’études à risque de biais élevé doivent être interprétés avec prudence.

Les cadres d’évaluation ne sont pas encore standardisés. Un consensus d’experts de 2025 publié dans ScienceDirect a identifié le manque de méthodologies d’évaluation cohérentes comme un obstacle majeur au déploiement sûr, couvrant le dépistage des maladies, l’aide au diagnostic et la gestion de la santé. Sans évaluation standardisée, comparer les performances entre études est difficile.

Les performances varient considérablement selon la spécialité. La base de preuves est la plus solide dans les domaines disposant de grands ensembles de données structurées, notamment les présentations courantes en soins primaires, la stadification oncologique et l’interprétation radiologique. Les performances dans les maladies rares, la multi-morbidité complexe et les situations aiguës sensibles au temps sont moins bien caractérisées.

Un commentaire JAMIA de janvier 2025 explorant le potentiel de ChatGPT pour renforcer la logique CDS a reconnu à la fois la promesse et les lacunes importantes dans les preuves, notant que les principales limitations et les axes de recherche futurs restent ouverts.

Un cadre pour les cliniciens évaluant les outils d’IA pour l’aide à la décision

Avant d’adopter un outil d’IA dans un parcours de soins, les cliniciens et décideurs en santé devraient appliquer une démarche d’évaluation structurée. Les questions suivantes s’appuient sur les cadres réglementaires et de gouvernance clinique actuels. Elles sont particulièrement pertinentes lors de l’évaluation des outils d’aide à la décision médicale.

Sur la précision et la validation

• L’outil a-t-il été validé sur des populations de patients comparables à celles de votre contexte clinique ?

• Quelles sont les preuves publiées sur le taux d’hallucination, la calibration et les performances dans les scénarios à haut risque ?

• Les performances se dégradent-elles chez les patients avec comorbidités ou présentations atypiques ?

Sur le statut réglementaire

• L’outil est-il classé comme dispositif médical dans le cadre réglementaire pertinent ?

• Sinon, quel est l’usage prévu déclaré par le fabricant, et votre cas d’usage clinique y correspond-il ?

Sur la gouvernance des données

• Existe-t-il un accord de traitement de données entre votre organisation et le fournisseur d’IA ?

• Où les données patients sont-elles traitées et stockées ?

• L’outil a-t-il été approuvé par les équipes de gouvernance de l’information et de sécurité clinique de votre organisation ?

Sur la supervision clinique

• Le modèle de déploiement de l’outil exige-t-il un examen par un clinicien de tous les résultats avant qu’ils n’influencent les décisions cliniques ?

• Existe-t-il une piste d’audit qui soutient la responsabilité si une décision assistée par l’IA est ultérieurement remise en question ?

• Les cliniciens utilisant l’outil sont-ils formés pour reconnaître ses modes de défaillance spécifiques, y compris l’hallucination et le biais d’automatisation ?

La prépublication ChatGPT-CARE a identifié des limitations spécifiques du ChatGPT de base en contexte clinique, notamment l’ignorance des recommandations de pratique clinique, le manque de transparence du raisonnement et des réponses trop générales. Elle a proposé l’apprentissage en contexte et l’incitation par chaîne de pensée comme stratégies d’atténuation. Celles-ci représentent une direction à suivre pour les outils spécialisés, plutôt qu’une solution disponible dans les déploiements grand public.

L’essentiel : usage approprié versus dépendance inappropriée

Les preuves plaident pour une position nuancée. ChatGPT et des LLM comparables peuvent réduire la charge administrative liée à la documentation, soutenir les cliniciens non spécialistes dans la génération de diagnostics différentiels et améliorer l’accessibilité de la communication clinique, notamment dans des contextes à ressources limitées ou non spécialisés. Ce sont des avantages réels et mesurables.

Ce que les preuves ne soutiennent pas, c’est la prise de décision clinique autonome par les LLM, ni l’utilisation d’outils grand public à usage général comme substitut aux systèmes d’aide à la décision médicale validés dans des contextes à enjeux élevés. L’étude des Annals of Biomedical Engineering sur ChatGPT dans le CDS a conclu que la supervision d’experts humains reste essentielle dans toutes les applications, une conclusion récurrente dans toute la littérature.

La frontière entre usage approprié et dépendance inappropriée n’est pas toujours évidente dans la pratique, mais plusieurs repères sont utiles :

• Tâches à faible risque et à volume élevé telles que l’assistance à la documentation, la rédaction de courriers aux patients et la synthèse de la littérature sont les domaines où les LLM offrent le plus d’avantages avec le moins de risques, à condition que les exigences de gouvernance des données patients soient respectées.

• Décisions diagnostiques ou de prescription à enjeux élevés, en particulier dans les cas complexes, multi-morbides ou de maladies rares, nécessitent des outils validés et réglementés avec des usages prévus définis et une supervision clinique intégrée au parcours de soins.

• Les outils grand public sans accords de données d’entreprise ne doivent en aucun cas être utilisés avec des données patients identifiables, quelle que soit la tâche clinique.

La supervision du clinicien n’est pas une protection temporaire en attendant une meilleure IA. C’est une exigence structurelle compte tenu de l’état actuel de la précision, de la calibration et de la validation réglementaire des LLM. Les outils progressent, la base de preuves s’étoffe et les cadres réglementaires évoluent. Tant que les outils d’IA clinique validés n’auront pas démontré des performances cohérentes et sûres sur toute la gamme de complexité clinique, le clinicien restera le point de contrôle essentiel dans toute décision assistée par l’IA.

Questions fréquemment posées

▶ ChatGPT est-il un dispositif médical réglementé pour l’aide à la décision médicale ?

Non. Les grands modèles de langage à usage général comme ChatGPT ne sont pas commercialisés avec un usage médical prévu. Ils ne portent donc pas le marquage CE en tant que dispositifs médicaux au titre du Règlement européen sur les dispositifs médicaux. Lorsqu’un clinicien utilise le ChatGPT grand public pour soutenir une décision clinique, il n’y a pas de base de preuves validée, pas de cadre de responsabilité du fabricant et pas de traçabilité réglementaire. La responsabilité clinique repose entièrement sur le clinicien.

▶ Quelles tâches cliniques présentent les preuves les plus solides d’utilité des LLM ?

Les preuves sont les plus solides dans la documentation médicale, où une synthèse publiée dans Frontiers in Artificial Intelligence a mis en évidence des gains de temps de 40 à 70 % lorsque les grands modèles de langage assistaient à la génération et à la synthèse de notes. Les LLM montrent également une utilité mesurable dans la rédaction de courriers aux patients, le soutien aux cliniciens non spécialistes pour les diagnostics différentiels et l’accélération de la synthèse de la littérature. Les décisions diagnostiques ou de prescription à enjeux élevés dans les cas complexes sont les domaines où les preuves sont les plus faibles et les risques les plus importants.

▶ Qu’est-ce que l’hallucination, et pourquoi est-ce important en contexte clinique ?

L’hallucination se produit lorsqu’un grand modèle de langage génère des informations plausibles mais factuellement incorrectes. En contexte clinique, cela peut être dangereux. Une analyse de novembre 2025 a montré que des résultats hallucinés paraissant crédibles peuvent orienter les cliniciens vers des interventions préjudiciables, surtout lorsque le résultat erroné s’aligne sur une intuition clinique existante. ChatGPT a présenté le taux d’hallucination le plus faible parmi quatre modèles testés, à 7,4 %, mais même ce chiffre n’est pas négligeable en contexte clinique.

▶ ChatGPT peut-il détecter de manière fiable les interactions médicament-médicament ?

Non. Une étude européenne publiée dans Clinical Pharmacology and Therapeutics en février 2025 a montré que ChatGPT produisait des réponses différentes dans 90 % des cas lorsque la même requête d’interaction médicamenteuse était répétée, et omettait des interactions cliniquement pertinentes. L’étude a conclu qu’il ne peut actuellement pas être recommandé pour cet usage. Contrairement aux systèmes de prescription fondés sur des règles, qui appliquent une logique codée cohérente, les grands modèles de langage produisent des résultats probabilistes qui varient selon la formulation et le contexte.

▶ Quels sont les risques RGPD liés à la saisie de données patients dans des outils LLM grand public ?

Saisir des données patients identifiables dans des outils de grands modèles de langage grand public constitue presque toujours un traitement de données de catégorie spéciale par un sous-traitant tiers, sans accord de traitement de données, sans base juridique, et potentiellement avec des données stockées hors du Royaume-Uni ou de l’UE. Les outils grand public n’offrent aucune des garanties que peuvent inclure les déploiements spécifiques aux entreprises ou au secteur de la santé. Les cliniciens doivent vérifier si un accord de traitement de données est en place, où les données sont traitées et stockées, et si l’équipe de gouvernance de l’information de leur organisation a approuvé l’outil avant utilisation.

▶ En quoi un outil d’IA clinique spécialisé diffère-t-il de ChatGPT à usage général ?

La différence ne tient pas seulement au modèle sous-jacent, mais à toute l’architecture de déploiement. Les outils d’IA clinique spécialisés offrent des résultats validés, testés par rapport aux résultats cliniques, des pistes d’audit qui soutiennent la gouvernance et la responsabilité, une intégration au dossier médical et une certification de dispositif médical dans le cadre des réglementations pertinentes. Une étude de référence publiée dans NPJ Digital Medicine en décembre 2025 a montré que les grands modèles de langage médicaux spécifiques au domaine présentaient des avantages de performance constants par rapport aux modèles à usage général, avec des scores plus élevés en sécurité et en efficacité.

▶ Réussir les examens de licence médicale signifie-t-il que ChatGPT est sûr pour l’aide à la décision médicale ?

Pas directement. Les grands modèles de langage ont obtenu des scores entre 80 et 90 % aux examens de licence médicale tels que l’USMLE, mais ces examens évaluent le rappel et le raisonnement structuré sur des problèmes bien définis. Ils ne reproduisent pas l’ambiguïté, les informations incomplètes et la prise de décision séquentielle des situations cliniques réelles. Une étude basée sur des simulations publiée dans Healthcare (MDPI) en juillet 2025 a montré que la fiabilité de ChatGPT diminuait fortement dans les cas cardiovasculaires avec comorbidités, précisément les patients les plus fréquemment rencontrés en soins secondaires.

▶ Qu’est-ce que le biais d’automatisation, et comment affecte-t-il les cliniciens utilisant des outils d’IA ?

Le biais d’automatisation est la tendance des cliniciens à s’en remettre à une suggestion générée par l’IA même lorsque leur propre jugement clinique aurait conduit à une conclusion différente et potentiellement plus précise. Ce risque est bien documenté dans la littérature sur les facteurs humains et s’applique directement à l’utilisation de grands modèles de langage en contexte clinique. Il est aggravé par un défaut de calibration de la confiance dans les modèles actuels : une évaluation complète publiée dans Health Informatics Journal en avril 2026 a montré que les modèles exprimaient une confiance similaire, que leur raisonnement soit solide ou non.

▶ Où les cliniciens doivent-ils tracer la ligne entre usage approprié et dépendance inappropriée aux LLM ?

Les tâches à faible risque et à volume élevé telles que l’assistance à la documentation, la rédaction de courriers aux patients et la synthèse de la littérature offrent le plus d’avantages avec le moins de risques, à condition que les exigences de gouvernance des données patients soient respectées. Les décisions diagnostiques ou de prescription à enjeux élevés, en particulier dans les cas complexes, multi-morbides ou de maladies rares, nécessitent des outils validés et réglementés avec des usages prévus définis et une supervision clinique intégrée au parcours de soins. Les outils grand public sans accords de données d’entreprise ne doivent en aucun cas être utilisés avec des données patients identifiables, quelle que soit la tâche clinique.