L’erreur diagnostique est l’un des problèmes les plus lourds de conséquences et les moins visibles en soins primaires. Dans l’ensemble des systèmes de santé européens, les médecins généralistes prennent en charge une variété extraordinaire de présentations non différenciées, souvent dans des temps de consultation restreints, avec un accès limité à l’avis d’un spécialiste. Il en résulte un contexte où les erreurs de diagnostic sont à la fois compréhensibles et, globalement, importantes. Les estimations varient, mais certaines recherches suggèrent qu’une part substantielle des erreurs diagnostiques en soins primaires pourrait être évitée grâce à des systèmes avancés d’aide à la décision. Si ce chiffre est ne serait-ce qu’approximativement exact, il représente un fardeau considérable et évitable. Dans ce contexte, les outils d’aide à la décision médicale suscitent un intérêt croissant en tant que réponse technologique. Les preuves qui les sous-tendent sont toutefois plus complexes que ne le laissent entendre, en général, les affirmations des fournisseurs.

Ce que font réellement les outils d’aide à la décision médicale lors d’une consultation de médecine générale

L’aide à la décision médicale (CDS, clinical decision support) n’est pas une technologie unique. En soins primaires, elle englobe un large éventail de fonctions : suggestions de diagnostic différentiel qui font émerger des pathologies qu’un clinicien n’aurait peut-être pas envisagées, alertes de signaux d’alarme indiquant une pathologie potentiellement grave, vérifications d’interactions médicamenteuses, recommandations de prescription d’antibiotiques, calculateurs de stratification du risque cardiovasculaire et aides à la décision d’orientation.

Une distinction essentielle, qui détermine la manière dont les preuves doivent être interprétées, est la différence entre CDS passive et active. Les systèmes passifs fonctionnent en arrière-plan, vérifiant les prescriptions pour détecter les interactions et signalant les résultats anormaux, sans interrompre le déroulement de la consultation. Les systèmes actifs interviennent en temps réel, en proposant des suggestions pendant la consultation clinique elle-même.

Ces deux modes produisent des profils de preuves différents, des défis de mise en œuvre distincts et des risques variés. La méta-revue LINNEAUS sur les systèmes informatisés d’aide à la décision diagnostique en soins primaires a identifié qu’une intégration poussée avec le système de dossiers médicaux, ainsi que le déclenchement du soutien à des moments appropriés du flux de travail cognitif, sont des prérequis à l’efficacité. Cette conclusion s’applique bien plus aux systèmes actifs qu’aux systèmes passifs.

Plus récemment, des outils basés sur de grands modèles de langage (LLM, large language models) sont apparus. Les LLM peuvent synthétiser l’historique du patient, les symptômes actuels et le contexte clinique pour générer des diagnostics différentiels hiérarchisés ou suggérer les prochaines étapes. Ils représentent un changement qualitatif par rapport aux alertes fondées sur des règles, mais soulèvent aussi de nouvelles questions concernant la fiabilité, l’étalonnage et la confiance du clinicien.

Comment les chercheurs mesurent la réduction des erreurs diagnostiques

Avant d’évaluer ce que montrent les preuves, il est utile de comprendre pourquoi mesurer la réduction des erreurs diagnostiques est méthodologiquement difficile, et pourquoi les médecins généralistes devraient aborder avec prudence les tailles d’effet publiées.

L’erreur diagnostique est généralement identifiée rétrospectivement : un diagnostic manqué ne devient visible que lorsqu’un patient se détériore, revient avec des symptômes aggravés ou reçoit un diagnostic différent d’un spécialiste. Cela rend la mesure prospective difficile. La plupart des études s’appuient sur des critères de substitution : taux d’orientation appropriés, délai jusqu’au diagnostic, pertinence de la prescription d’antibiotiques ou modèles de prescription d’examens de laboratoire.

Ce sont des mesures légitimes du processus clinique, mais elles ne sont pas équivalentes à des réductions confirmées du préjudice pour le patient résultant de diagnostics manqués.

Les protocoles d’étude varient également énormément. Les essais contrôlés randomisés (ECR) dans ce domaine sont rares et difficiles à mener. Les cliniciens ne peuvent pas facilement être mis en aveugle quant à l’utilisation ou non d’un outil CDS, et la randomisation en grappes introduit ses propres facteurs de confusion. Les études observationnelles et les données d’audit dominent la littérature, ce qui limite l’inférence causale.

Une revue exploratoire de 2021 dans l’International Journal of Environmental Research and Public Health a conclu que, bien que les modes CDS aient démontré qu’ils améliorent la qualité des soins dans divers contextes médicaux, leur utilité dans le domaine diagnostique spécifiquement reste floue. La méta-revue LINNEAUS a examiné 1 970 études et n’en a trouvé que 12 appropriées pour l’inclusion. La base de preuves est mince non pas parce que les outils CDS échouent nécessairement, mais parce que l’infrastructure de recherche pour les évaluer rigoureusement en soins primaires a pris du retard par rapport à leur déploiement.

Où les preuves sont les plus solides : pathologies et cas d’usage spécifiques

Malgré ces réserves méthodologiques, il existe des domaines où les outils CDS montrent un signal cohérent et crédible en soins primaires.

La pertinence de la prescription d’examens de laboratoire est l’un des domaines les plus solidement étudiés. L’essai randomisé en grappes ELMO, mené en soins primaires belges par la KU Leuven et l’Université de Gand, a constaté qu’un système CDS utilisant des ensembles de prescriptions pour 17 indications courantes améliorait la pertinence et réduisait le volume de prescription d’examens de laboratoire, tout en étant non inférieur aux soins habituels concernant l’incidence des erreurs diagnostiques. Il s’agit d’un ECR européen de haute qualité qui offre une véritable assurance quant à la sécurité, même s’il ne démontre pas de réduction active des erreurs.

La stratification du risque cardiovasculaire est un autre domaine où les outils CDS structurés ont montré une amélioration mesurable du processus, en grande partie parce que la tâche de décision est bien définie et calculable. De même, la pertinence de la prescription d’antibiotiques, une préoccupation majeure en soins primaires européens, s’est avérée s’améliorer avec les suggestions CDS dans plusieurs études, même si le mécanisme est davantage comportemental que strictement diagnostique.

L’évaluation du rythme cardiaque est un domaine émergent. Une enquête auprès de médecins généralistes français sur l’interprétation d’électrocardiogrammes (ECG) assistée par IA a révélé que 72 % des médecins généralistes déclarent qu’ils utiliseraient les ECG plus fréquemment si l’IA était disponible pour l’interprétation, et que l’IA a démontré une précision diagnostique dans l’analyse ECG équivalente à celle des cardiologues. Notamment, 57 % des répondants considéraient l’IA comme une aide au diagnostic plutôt que comme un système autonome, un cadrage qui reflète la façon dont la plupart des cliniciens abordent les outils CDS dans la pratique.

Le raisonnement diagnostique collectif offre une perspective complémentaire. Une étude de 2024 dans Medical Decision Making a démontré que l’agrégation de diagnostics indépendants de médecins généralistes améliore substantiellement la précision diagnostique, et que la combinaison de cette approche avec un système d’aide à la décision a produit des gains supplémentaires. La règle de pluralité, qui pondère tous les diagnostics indépendants de manière égale, a nettement surpassé la précision moyenne individuelle des médecins généralistes, l’effet augmentant avec la taille du groupe.

Les preuves du monde réel les plus frappantes proviennent peut-être d’une étude de 2025 de Korom et al., menée en partenariat avec Penda Health sur 39 849 consultations de patients dans 15 cliniques à Nairobi. Les cliniciens utilisant un outil AI Consult basé sur LLM ont commis 16 % d’erreurs diagnostiques en moins et 13 % d’erreurs de traitement en moins par rapport à ceux sans accès. En termes absolus, l’outil était projeté pour éviter des erreurs diagnostiques dans 22 000 consultations et des erreurs de traitement dans 29 000 consultations annuellement dans ce seul réseau de santé. Tous les répondants à l’enquête auprès des cliniciens ont déclaré qu’AI Consult améliorait la qualité des soins qu’ils dispensaient, 75 % décrivant l’effet comme substantiel.

Où les preuves sont faibles, incohérentes ou manquantes

Les résultats de Penda Health sont frappants, mais ils nécessitent une contextualisation prudente. Un résultat directement contradictoire issu d’une étude de meilleure qualité existe également.

Un essai pragmatique randomisé en grappes a testé l’aide à la décision médicale assistée par ChatGPT-4o dans des établissements de soins primaires kényans et a constaté qu’elle ne réduisait pas significativement l’échec thérapeutique à 14 jours par rapport aux soins habituels. Il s’agit du protocole d’étude le plus rigoureux disponible, un ECR évalué par les pairs, et son résultat nul sur un critère clinique dur constitue un contrepoint significatif aux preuves observationnelles de l’étude Penda.

Les deux études ne sont pas nécessairement en contradiction (elles ont mesuré des critères différents, dans des contextes différents, avec des outils différents), mais ensemble elles illustrent que les preuves ne sont pas uniformément positives.

Plus largement, l’étude qualitative de 2025 sur les cliniciens de soins primaires a constaté que, bien que de nombreuses études aient démontré des améliorations dans les critères liés aux processus tels que l’augmentation des taux de dépistage et la réduction des prescriptions incomplètes, moins d’études ont évalué et rapporté les résultats pour les patients. Cet écart entre l’amélioration des processus et le bénéfice démontrable pour le patient est un thème récurrent dans la littérature.

La fatigue des alertes est un mécanisme bien documenté par lequel l’efficacité démontrée en contexte contrôlé ne se traduit pas en efficacité dans le monde réel. Lorsque les systèmes CDS génèrent des alertes fréquentes et peu spécifiques, les cliniciens apprennent à les ignorer systématiquement. Le taux d’ignorance devient un plafond pour tout bénéfice potentiel, et dans certains contextes, l’effet net sur le raisonnement clinique peut être négatif.

Il existe également des lacunes substantielles selon la pathologie et la spécialité. Pour de nombreuses présentations non différenciées qui définissent la médecine générale (fatigue, douleurs abdominales, symptômes musculo-squelettiques), il existe peu ou pas de preuves évaluées par les pairs que les outils CDS réduisent les taux d’erreur diagnostique. Les pathologies où les preuves sont les plus solides (risque cardiovasculaire, prescription d’antibiotiques, prescription d’examens de laboratoire) sont précisément celles où la tâche diagnostique est la plus structurée et calculable. Les présentations plus complexes et plus exigeantes sur le plan cognitif, au cœur du travail du médecin généraliste, restent largement non étudiées.

Le contexte des soins primaires européens : pourquoi le contexte compte

Une part significative de la base de preuves pour les outils CDS en soins primaires provient de systèmes de santé américains ou de contextes hospitaliers, et aucun des deux ne se transpose directement à la médecine générale européenne.

Aux États-Unis, les soins primaires évoluent dans un paysage de systèmes de dossiers médicaux différent, avec des structures d’incitation, des normes de documentation et des tailles de panels de patients différentes. Les études en milieu hospitalier portent généralement sur des questions diagnostiques plus aiguës et mieux définies que les présentations chroniques, multimorbides et non différenciées qui dominent les consultations de médecine générale européenne.

Les études menées dans des contextes à ressources plus limitées, y compris l’étude Penda Health au Kenya et l’essai Nature Medicine, concernent des environnements cliniques qui diffèrent substantiellement des soins primaires du NHS ou nordiques en termes d’infrastructure diagnostique de base, de durée de consultation et d’accès aux parcours d’orientation.

L’essai ELMO de Belgique reste l’un des rares ECR européens de haute qualité menés spécifiquement en soins primaires, et son accent sur la prescription d’examens de laboratoire plutôt que sur la précision diagnostique en soi limite ce que l’on peut en déduire. La méta-revue LINNEAUS, une collaboration européenne, a appelé à des approches plus standardisées et calculables de la représentation des connaissances et à une intégration plus poussée du système de dossiers médicaux, notant qu’aucune de ces conditions n’était systématiquement remplie dans les études examinées. Cette observation, faite en 2016, n’a pas été pleinement prise en compte dans la décennie qui a suivi.

La durée de la consultation compte également. Un médecin généraliste travaillant avec des rendez-vous de dix minutes fait face à des contraintes différentes de celles d’un clinicien dans un contexte d’étude disposant de plus de temps pour interagir avec une interface CDS. Les outils qui nécessitent une saisie de données supplémentaire, ou qui présentent des suggestions à un moment du flux de travail où la décision clinique a déjà été prise, sont peu susceptibles de modifier les résultats, quelle que soit leur précision sous-jacente.

Le problème des facteurs humains : quand les outils CDS sont ignorés ou mal utilisés

L’efficacité de tout outil CDS dépend de la façon dont les cliniciens l’utilisent, ou non. L’étude qualitative de 2025 sur les cliniciens de soins primaires a identifié des obstacles majeurs à l’adoption : résistance des cliniciens, processus d’approbation organisationnelle, manque d’infrastructure et preuves insuffisantes d’efficacité communiquées aux utilisateurs finaux. Les cliniciens ont souligné que les outils doivent s’intégrer à l’infrastructure de dossiers médicaux existante et présenter une interface facile à utiliser, des exigences qui ne sont fréquemment pas satisfaites dans la pratique.

Le biais d’automatisation, c’est-à-dire la tendance à trop s’appuyer sur les suggestions algorithmiques et à sous-estimer le jugement clinique, est un risque documenté qui va dans la direction opposée de la fatigue des alertes. Là où la fatigue des alertes conduit à une sous-utilisation, le biais d’automatisation conduit à une surutilisation non critique. Les deux relèvent d’échecs de mise en œuvre plutôt que de propriétés intrinsèques aux outils, mais ils sont systématiquement observés dans des contextes réels.

Le document-cadre de Frontiers in Medicine sur la réduction des erreurs de diagnostic dans les diagnostics pilotés par l’IA conclut qu’une approche coordonnée et multidimensionnelle est essentielle, intégrant des contrôles techniques robustes, des directives éthiques claires et des structures de responsabilité définies. Ce n’est pas une critique d’un outil spécifique, mais cela reflète la conclusion plus large selon laquelle le contexte de déploiement et la gouvernance comptent autant que la technologie sous-jacente.

Une revue exploratoire de 2025 sur l’IA dans les soins primaires ambulatoires a constaté que la plupart des études restent en phase de développement, avec une mise en œuvre minimale dans le monde réel au-delà de la transcription ambiante et de l’aide à la décision médicale. Sur 3 203 manuscrits examinés, seuls huit ont rapporté des résultats d’essais cliniques. L’écart entre les modèles publiés et les systèmes déployés et évalués reste important.

À quoi ressembleraient réellement de bonnes preuves

Compte tenu des limites méthodologiques décrites ci-dessus, il est utile de préciser le protocole d’étude qui donnerait à un médecin généraliste une confiance raisonnable dans le fait qu’un outil CDS réduit les erreurs diagnostiques dans son contexte.

La base de preuves minimale crédible comprendrait :

• Protocole prospectif : critères mesurés avant et après le déploiement de l’outil dans des populations comparables, idéalement avec randomisation au niveau du cabinet ou de la grappe

• Populations de soins primaires européens : pas de systèmes de santé américains, pas de contextes hospitaliers, pas d’environnements à ressources plus limitées avec une infrastructure de base différente

• Critères diagnostiques confirmés : pas de mesures de substitution telles que les taux d’orientation ou les modèles de prescription d’examens, mais une précision diagnostique vérifiée par rapport aux données de suivi

• Validation indépendante : résultats non financés ou menés uniquement par le développeur de l’outil

• Taux d’ignorance rapportés et données sur la fatigue des alertes : pour confirmer que l’outil a effectivement été utilisé de la manière supposée par l’étude

• Suivi suffisant : l’erreur diagnostique se manifeste souvent des semaines ou des mois après la consultation index. Les fenêtres de résultats à court terme manquent une part substantielle d’événements pertinents

La méthode automatisée de détection des divergences diagnostiques validée dans les services d’urgence suisses, qui a atteint des valeurs d’aire sous la courbe (AUC) de 0,94 à 0,95 en tant qu’outil de dépistage des erreurs diagnostiques, offre un modèle de la façon dont l’identification rétrospective des erreurs pourrait être opérationnalisée à grande échelle. L’application de méthodes similaires aux données d’audit des soins primaires pourrait améliorer substantiellement la base de preuves, même si cela reste une lacune de recherche plutôt qu’une pratique établie.

Ce que les médecins généralistes devraient raisonnablement attendre de l’aide à la décision médicale aujourd’hui

Le résumé honnête des preuves actuelles est le suivant : les outils CDS peuvent améliorer certains processus cliniques spécifiques et bien définis en soins primaires, notamment la prescription d’examens de laboratoire, la prescription d’antibiotiques, la stratification du risque cardiovasculaire et potentiellement l’évaluation du rythme cardiaque. Dans ces domaines, les preuves sont crédibles et, dans certains cas, issues d’ECR européens de haute qualité.

Ce que les preuves n’établissent pas encore, c’est que les outils CDS réduisent les taux d’erreur diagnostique globaux en soins primaires européens. Les études qui montrent les effets les plus importants (l’étude observationnelle Penda Health) sont menées dans des contextes de soins de santé différents et utilisent des critères de substitution ou auto-déclarés. L’ECR de la plus haute qualité disponible (l’essai randomisé en grappes Nature Medicine) n’a trouvé aucune réduction significative des critères cliniques durs. Les revues systématiques de référence n’identifient qu’une poignée d’études répondant aux seuils de qualité, et appellent à une méthodologie plus rigoureuse.

Pour les médecins généralistes qui se demandent s’ils doivent adopter ou recommander un outil CDS, les questions suivantes méritent d’être posées à tout fournisseur ou équipe de mise en œuvre :

• Quelle est la base de preuves, et a-t-elle été générée dans un contexte de soins primaires européens ?

• Les critères ont-ils été mesurés au niveau du patient, ou seulement au niveau du processus ?

• Quels sont les taux d’ignorance des alertes lors du déploiement en conditions réelles, et comment la fatigue des alertes est-elle surveillée ?

• Comment l’outil s’intègre-t-il au système de dossiers médicaux existant, et à quel moment du flux de travail de consultation intervient-il ?

• L’outil a-t-il été validé de manière indépendante, ou les études de soutien proviennent-elles principalement du développeur ?

• L’outil est-il classé comme dispositif médical dans le cadre réglementaire pertinent, et quelle surveillance post-commercialisation est en place ?

Les outils CDS ne sont pas sans valeur en soins primaires. Les preuves pour des applications spécifiques sont solides. Mais l’affirmation selon laquelle ils réduisent largement les erreurs diagnostiques, sur l’ensemble des présentations qu’un médecin généraliste rencontre, n’est pas encore étayée par les preuves disponibles. Les considérer comme des aides ciblées pour des tâches bien définies, plutôt que comme des solutions générales à l’incertitude diagnostique, reflète ce que la recherche montre réellement.

Questions fréquemment posées

▶ Les outils d’aide à la décision médicale réduisent-ils réellement les erreurs diagnostiques en médecine générale ?

Les preuves sont mitigées. Certaines études montrent des améliorations mesurables dans des processus cliniques spécifiques, tels que la prescription d’examens de laboratoire et la prescription d’antibiotiques, mais aucun essai contrôlé randomisé européen de haute qualité n’a encore démontré une réduction globale des taux d’erreur diagnostique sur l’ensemble des présentations rencontrées par un médecin généraliste. L’ECR le plus rigoureux disponible, un essai randomisé en grappes d’aide à la décision assistée par ChatGPT-4o dans les soins primaires kényans, n’a trouvé aucune réduction significative des critères cliniques durs. Les preuves soutiennent l’utilisation de ces outils comme aides ciblées pour des tâches bien définies plutôt que comme solutions générales à l’incertitude diagnostique.

▶ Quelle est la différence entre l’aide à la décision médicale passive et active ?

Les systèmes d’aide à la décision médicale (CDS) passifs fonctionnent en arrière-plan, vérifiant les prescriptions pour les interactions médicamenteuses ou signalant les résultats anormaux, sans interrompre la consultation. Les systèmes actifs interviennent en temps réel pendant la consultation clinique, en proposant des suggestions de diagnostic différentiel ou des alertes de signaux d’alarme. Les deux modes produisent des profils de preuves et des défis de mise en œuvre différents. La recherche suggère qu’une intégration poussée avec le système de dossiers médicaux et le déclenchement du soutien au bon moment dans le flux de travail cognitif du clinicien sont des prérequis pour que le CDS actif soit efficace.

▶ Quels domaines cliniques bénéficient des preuves les plus solides pour les outils d’aide à la décision en soins primaires ?

Les preuves les plus solides concernent la pertinence de la prescription d’examens de laboratoire, la prescription d’antibiotiques et la stratification du risque cardiovasculaire. L’essai randomisé en grappes ELMO, mené en soins primaires belges, a constaté qu’un système CDS améliorait la pertinence de la prescription d’examens de laboratoire et était non inférieur aux soins habituels concernant l’incidence des erreurs diagnostiques. L’évaluation du rythme cardiaque est un domaine émergent : une enquête auprès de médecins généralistes français a révélé que l’interprétation ECG assistée par IA démontrait une précision diagnostique équivalente à celle des cardiologues, et 72 % des médecins généralistes ont déclaré qu’ils utiliseraient les ECG plus fréquemment si l’interprétation IA était disponible.

▶ Pourquoi est-il si difficile de mesurer si l’aide à la décision médicale réduit les erreurs diagnostiques ?

L’erreur diagnostique est généralement identifiée rétrospectivement, ne devenant visible que lorsqu’un patient se détériore ou reçoit un diagnostic différent ultérieurement. Cela rend la mesure prospective difficile. La plupart des études s’appuient sur des critères de substitution tels que les taux d’orientation ou les modèles de prescription d’examens plutôt que sur des réductions confirmées du préjudice pour le patient. Les essais contrôlés randomisés sont rares, car les cliniciens ne peuvent pas être mis en aveugle quant à l’utilisation ou non d’un outil CDS. La méta-revue LINNEAUS a examiné 1 970 études et n’en a trouvé que 12 appropriées pour l’inclusion, ce qui montre à quel point la base de preuves reste mince.

▶ Qu’est-ce que la fatigue des alertes, et comment affecte-t-elle l’efficacité réelle de ces outils ?

La fatigue des alertes survient lorsque les systèmes CDS génèrent des alertes fréquentes et peu spécifiques et que les cliniciens apprennent à les ignorer systématiquement. Le taux d’ignorance devient un plafond pour tout bénéfice potentiel. Dans certains contextes, l’effet net sur le raisonnement clinique peut être négatif. Elle va dans la direction opposée du biais d’automatisation, qui est la tendance à trop s’appuyer sur les suggestions algorithmiques et à sous-estimer le jugement clinique. Les deux relèvent d’échecs de mise en œuvre plutôt que de défauts intrinsèques aux outils, mais ils sont systématiquement observés dans des contextes réels.

▶ Les preuves provenant des systèmes de santé américains ou africains s’appliquent-elles à la médecine générale européenne ?

Pas directement. Une part significative de la base de preuves CDS provient de systèmes de santé américains ou de contextes hospitaliers, qui impliquent des paysages de systèmes de dossiers médicaux, des structures d’incitation et des tailles de panels de patients différents. Les études issues de contextes à ressources plus limitées, y compris l’étude Penda Health au Kenya, concernent des environnements cliniques qui diffèrent substantiellement des soins primaires du NHS ou nordiques en termes d’infrastructure diagnostique de base, de durée de consultation et d’accès aux parcours d’orientation. L’essai ELMO de Belgique reste l’un des rares ECR européens de haute qualité menés spécifiquement en soins primaires.

▶ Quelles questions un médecin généraliste devrait-il poser avant d’adopter un outil d’aide à la décision médicale ?

Il est pertinent de demander si les preuves ont été générées dans un contexte de soins primaires européens, et si les critères ont été mesurés au niveau du patient ou seulement au niveau du processus. Il convient aussi de s’informer sur les taux d’ignorance des alertes lors du déploiement en conditions réelles, sur la façon dont l’outil s’intègre au système de dossiers médicaux existant, et à quel moment du flux de travail de consultation il intervient. Vérifier si l’outil a été validé de manière indépendante, plutôt qu’étudié uniquement par le développeur, et s’il est classé comme dispositif médical dans le cadre réglementaire pertinent, sont également des étapes importantes.

▶ À quoi ressembleraient réellement de bonnes preuves de réduction des erreurs diagnostiques en soins primaires ?

Des preuves crédibles nécessiteraient un protocole prospectif avec randomisation au niveau du cabinet ou de la grappe, mené dans des populations de soins primaires européens plutôt que dans des contextes hospitaliers ou à ressources plus limitées. Les critères devraient être une précision diagnostique vérifiée par rapport aux données de suivi, et non des mesures de substitution telles que les taux d’orientation. Les études devraient inclure une validation indépendante, des taux d’ignorance des alertes rapportés pour confirmer que l’outil a effectivement été utilisé comme prévu, et un temps de suivi suffisant, car l’erreur diagnostique se manifeste souvent des semaines ou des mois après la consultation index.

▶ Qu’a trouvé l’étude Penda Health, et comment ses résultats devraient-ils être interprétés ?

Une étude de 2025 de Korom et al., menée sur 39 849 consultations de patients dans 15 cliniques à Nairobi, a constaté que les cliniciens utilisant un outil AI Consult basé sur LLM commettaient 16 % d’erreurs diagnostiques en moins et 13 % d’erreurs de traitement en moins par rapport à ceux sans accès. Tous les répondants à l’enquête auprès des cliniciens ont déclaré que l’outil améliorait la qualité des soins qu’ils dispensaient. Cependant, l’étude est observationnelle plutôt que randomisée, et elle a été menée dans un environnement clinique qui diffère substantiellement de la médecine générale européenne. Un résultat directement contradictoire existe, issu d’un ECR de meilleure qualité dans un contexte comparable, qui n’a trouvé aucune réduction significative des critères cliniques durs.