Suivre ou écarter l’IA : le dilemme du médecin
Sur un écran, l’IA signale une possible hémorragie. Le médecin examine l’image, hésite, puis tranche. Faut-il suivre l’alerte ou l’écarter ? Toute la difficulté tient dans cette décision. Car l’outil peut se tromper, mais le lecteur peut aussi rejeter une indication pertinente.
L’étude menée par Susanne Gaube et ses collègues, publiée en ligne le 23 octobre 2026, s’est penchée sur ces deux façons de mal utiliser l’IA. Dans l’expérience, écarter une prédiction correcte a davantage pesé sur la performance globale que suivre une prédiction erronée.
Un résultat qui invite à dépasser la seule crainte d’une confiance excessive dans la machine.
Une alerte est plus utile quand on peut la vérifier
Les chercheurs ont réuni 125 participants : 50 radiologues et 75 médecins d’autres spécialités ou personnes en formation médicale. Chacun a testé trois conditions, dans un ordre aléatoire : lire les scanners sans assistance, recevoir une prédiction de l’IA, puis recevoir une prédiction accompagnée d’annotations sur l’image.
Chaque séance comprenait 50 scanners cérébraux. Dans les séances assistées, 80 % des avis étaient corrects et 20 % erronés.
L’intérêt des annotations apparaît lorsque l’IA a raison. En indiquant une zone à examiner, elles donnent au lecteur un élément concret à confronter à sa propre analyse. Le médecin dispose alors d’une piste qu’il peut vérifier directement sur le scanner.
Avec une prédiction correcte et annotée, les participants identifiaient mieux la présence ou l’absence d’une hémorragie qu’en lecture sans assistance.
Le rapport de cotes mesuré atteignait 1,84, avec un intervalle de confiance à 95 % compris entre 1,49 et 2,28. Ce chiffre ne signifie toutefois pas que la précision augmentait de 84 %.
Mieux présenter l’IA, mieux évaluer son usage
Ces résultats restent ceux d’une expérience contrôlée. L’étude portait sur la détection d’une hémorragie à partir de scanners cérébraux, avec une proportion d’erreurs fixée à l’avance. Elle ne démontre donc pas, à elle seule, un bénéfice pour les patients dans les conditions réelles d’un hôpital.
Elle pose néanmoins une question utile : évalue-t-on correctement la collaboration entre médecins et IA lorsqu’on compte uniquement les mauvaises suggestions acceptées ? Il faudrait aussi examiner les bonnes alertes écartées et comprendre les raisons de ces rejets.
Pour l’Alliance des Deux Intelligences (A2I), cette logique pourrait également être testée sur des documents. Un assistant repère une incohérence financière : son alerte aide-t-elle davantage lorsqu’il désigne précisément la cellule et le passage concernés ? Il faudrait mesurer les bonnes alertes utilisées, les fausses alertes acceptées et le temps de vérification.
En radiologie comme ailleurs, l’enjeu est de donner à l’utilisateur les moyens d’examiner une suggestion. La qualité d’une IA se joue dans ses réponses, mais aussi dans la possibilité de les contrôler.
