Une IA de Microsoft diagnostique mieux que des généralistes, mais n'a encore vu aucun patient

Les cas viennent du New England Journal of Medicine : des dossiers de patients publiés comme des énigmes pour les médecins, souvent rares et retors. Microsoft en a transformé 304 en un jeu de questions-réponses. L'IA, comme un médecin, doit interroger le patient, demander des examens et proposer un diagnostic, chaque test ayant un coût. Le 22 octobre, la revue Science a publié les résultats de ce système, baptisé MAI-DxO (pour Microsoft AI Diagnostic Orchestrator).

Le chiffre mis en avant par Microsoft frappe : sur ces cas difficiles, MAI-DxO trouve le bon diagnostic dans environ 83 % des cas. Les médecins généralistes y parviennent dans 22 % des cas sans documentation, et dans 36 % des cas avec leurs livres et Internet. Sur des passages aux urgences plus ordinaires, tirés d'une base hospitalière américaine, l'écart se resserre : 80 % pour l'IA, 47 % pour les médecins, selon Microsoft.

Un jury de médecins virtuels

MAI-DxO n'est pas un nouveau modèle. C'est un chef d'orchestre : il fait jouer à un grand modèle de langage plusieurs rôles, comme un jury de médecins virtuels, dont l'un est chargé de chercher d'autres explications. Les résultats publiés reposent sur GPT-5 d'OpenAI. Microsoft dit avoir refait l'évaluation avec GPT-5.5, sans rien changer à la méthode, et avoir obtenu des résultats aussi bons, voire meilleurs. L'entreprise affirme aussi que son système commande moins d'examens, pour un coût de deux à trois fois inférieur. Mais selon les chiffres de l'article, la configuration qui atteint 83 % revient à environ 5 431 dollars d'examens par cas, plus que les médecins avec documentation (4 725 dollars) : les configurations les plus économes perdent quelques points de précision (79,6 % à 1 303 dollars).

Ce que la comparaison ne prouve pas

Les auteurs le reconnaissent eux-mêmes : ces résultats n'établissent pas de supériorité sur les spécialistes, sur les équipes pluridisciplinaires ni sur la pratique réelle. Plusieurs limites pèsent lourd :

• Des dossiers, pas des patients : les cas sont textuels, sans examen clinique, sans image ni prélèvement à interpréter, sans antécédents flous ni dossier incomplet.
• Des cas choisis pour leur difficulté : aucun patient en bonne santé, donc aucune mesure des fausses alertes.
• Une comparaison déséquilibrée : l'IA a traité les 304 cas, les médecins un sous-ensemble de 56 cas, et seuls des généralistes travaillant seuls ont été comparés.
• Des coûts simulés, calculés à partir de tarifs hospitaliers américains, et non des économies observées.
• Des auteurs tous salariés de Microsoft : l'article a été relu par des pairs, mais aucune équipe indépendante n'a encore reproduit les résultats.

Microsoft écrit d'ailleurs que « le vrai test » sera la performance en conditions cliniques réelles. Rien n'indique non plus que l'outil soit proposé aux médecins : Microsoft ne donne aucune date de commercialisation.

Prochaine étape : l'hôpital

Microsoft annonce un partenariat avec le Beth Israel Deaconess Medical Center de Boston. Des patients y dialogueront directement avec le système, dont les conclusions seront comparées à l'avis indépendant des médecins. Ni le calendrier, ni le nombre de patients, ni la date des résultats ne sont précisés.

Pour un établissement de santé européen, ce n'est donc pas un produit à évaluer, mais une étude à suivre. Un tel outil, s'il arrivait en Europe, devrait passer par la réglementation des dispositifs médicaux avant d'entrer dans un cabinet. Microsoft publie le code de son banc d'essai, SDBench, pour une partie des cas : d'autres chercheurs peuvent donc tenter de reproduire ces chiffres, à condition d'obtenir une licence auprès du NEJM pour les cas eux-mêmes.