Microsoft revendique une IA de diagnostic quatre fois plus précise que des médecins

À la fin du mois de juin 2025, Microsoft a avancé une affirmation qui bouscule l’un des domaines les plus sensibles de l’intelligence artificielle : le diagnostic médical. Son nouvel outil, baptisé Microsoft AI Diagnostic Orchestrator, ou MAI-DxO, aurait correctement résolu 85,5 % de cas complexes, contre 20 % pour un groupe de médecins expérimentés soumis à la même évaluation. L’écart est saisissant, mais il ne signifie pas qu’un logiciel est prêt à prendre seul la place du praticien au chevet d’un patient.

La démonstration de Microsoft nourrit une promesse très concrète : aider à trouver plus vite la bonne maladie, choisir les examens les plus pertinents et éviter une partie des dépenses inutiles. Elle soulève aussi une question essentielle pour les patients comme pour les soignants : que mesure exactement ce test, et qu’est-ce qu’il reste encore à prouver avant d’intégrer une telle IA dans les soins courants ?

Ce que Microsoft a présenté avec MAI-DxO

MAI-DxO n’est pas présenté comme un simple chatbot médical auquel on soumettrait une liste de symptômes pour obtenir une réponse immédiate. Microsoft le décrit comme un orchestrateur de diagnostic, c’est-à-dire un système chargé de coordonner les étapes d’un raisonnement : formuler des hypothèses, envisager les examens utiles, réduire progressivement les possibilités et parvenir à un diagnostic.

Cette nuance est importante. En médecine, le diagnostic ne se résume pas à reconnaître une maladie dans une description. Il consiste généralement à départager des explications parfois très proches, à décider quels examens sont nécessaires et à interpréter les résultats dans leur contexte. L’ambition affichée par Microsoft est donc de faire travailler l’IA comme un raisonneur capable d’organiser une démarche clinique, et non comme un moteur de recherche de symptômes.

Pour y parvenir, MAI-DxO a été associé à des modèles de langage provenant de plusieurs entreprises, parmi lesquelles OpenAI, Meta, Anthropic et Google. Le chiffre de 85,5 % ne doit donc pas être interprété comme la performance isolée d’un unique modèle de Microsoft. Il s’agit du résultat annoncé pour l’orchestrateur dans cette configuration d’évaluation, avec ces modèles avancés.

Comment le test face aux médecins a-t-il été mené ?

L’évaluation repose sur 304 cas médicaux tirés du New England Journal of Medicine. Ces dossiers sont décrits par Microsoft comme comptant parmi les cas les plus exigeants sur le plan diagnostique. Ils ont été proposés à l’IA et à un groupe de 21 médecins des États-Unis et du Royaume-Uni, ayant entre cinq et vingt ans d’expérience.

L’objectif n’était pas seulement de donner immédiatement le nom d’une maladie. Les participants devaient progresser dans le cas, en envisageant des tests et en écartant certaines hypothèses au fil des informations disponibles. C’est un cadre plus riche qu’une question à choix multiple, mais il demeure un exercice construit à partir de dossiers déjà documentés.

Le rapport entre les deux scores est d’environ 4,3. C’est pourquoi Microsoft affirme que son outil a été quatre fois plus précis que les médecins de ce groupe. Formellement, l’écart annoncé est donc bien considérable. Il appelle néanmoins une lecture attentive : une moyenne de 20 % pour des médecins chevronnés sur des cas difficiles ne renseigne pas, à elle seule, sur leur niveau de diagnostic dans une consultation habituelle, à l’hôpital ou en cabinet.

Les cas publiés dans une revue médicale servent fréquemment à l’enseignement et mettent volontiers en scène des situations atypiques, ambiguës ou rares. Ils sont particulièrement intéressants pour éprouver une capacité de raisonnement, mais ils ne reflètent pas mécaniquement la diversité des consultations réelles, où les symptômes sont parfois incomplets, les informations contradictoires, les patients inquiets ou incapables de répondre précisément, et l’examen physique déterminant.

Que permet réellement de conclure ce score de 85,5 % ?

Le résultat présenté par Microsoft suggère qu’un système d’IA bien organisé peut se montrer très performant pour naviguer dans des dossiers diagnostiques complexes. Il renforce l’idée que les grands modèles de langage, lorsqu’ils sont encadrés par une méthode de raisonnement et des étapes de vérification, peuvent devenir des outils sérieux d’assistance clinique.

Mais un benchmark, même exigeant, n’est pas une étude menée dans les conditions ordinaires de soins. Un patient n’arrive pas avec un dossier entièrement rédigé et structuré. Le médecin doit recueillir l’histoire de la personne, repérer ce qui n’est pas dit, examiner le patient, apprécier l’urgence, tenir compte des traitements en cours et adapter sa décision aux risques acceptables pour cette personne précise.

Il faut aussi distinguer la réussite à un exercice de diagnostic de la sécurité d’un outil en pratique. Pour envisager un déploiement large, plusieurs questions devraient être examinées : les résultats se maintiennent-ils auprès de populations variées ? Le système reconnaît-il efficacement les situations où il ne sait pas ? Ses recommandations restent-elles pertinentes avec des données incomplètes ou des maladies plus fréquentes ? Les professionnels peuvent-ils comprendre et contrôler son cheminement ?

Un potentiel économique, mais un calcul à préciser

Microsoft met également en avant le coût du diagnostic. L’entreprise affirme que son système résout les cas de façon plus économique que les praticiens humains évalués. L’enjeu est considérable aux États-Unis, où une part estimée à 25 % des dépenses de santé serait gaspillée selon les chiffres évoqués dans cette présentation.

Dans ce domaine, réduire les coûts ne signifie pas simplement remplacer du temps médical par un logiciel. Le bénéfice potentiel d’un assistant diagnostique dépendrait surtout de sa capacité à éviter des examens inutiles, à limiter les errances diagnostiques et à orienter plus rapidement vers le bon spécialiste. À l’inverse, une recommandation hasardeuse pourrait déclencher des tests superflus ou retarder des soins nécessaires, ce qui annulerait une partie du gain attendu.

Les éléments communiqués ne permettent pas de chiffrer les économies réalisables dans un hôpital ou un système de santé. Le coût d’un diagnostic varie selon les pays, les prix des examens, l’organisation des parcours de soins et la gravité des situations. La promesse de MAI-DxO est donc celle d’une meilleure efficience dans le cadre du test, plutôt qu’une estimation définitive des économies à attendre à grande échelle.

Pourquoi l’IA ne remplace pas le médecin

Microsoft insiste sur le fait que MAI-DxO doit être considéré comme un complément aux médecins et aux autres professionnels de santé, non comme leur substitut. Cette position tient à la nature même de la médecine. Poser une hypothèse diagnostique est une partie essentielle du métier, mais ce n’est pas tout le métier.

Le clinicien doit expliquer une situation incertaine, établir une relation de confiance, entendre les préférences d’un patient, accompagner une famille et prendre une décision lorsque plusieurs options comportent chacune des risques. Il doit aussi savoir reconnaître le moment où les données disponibles ne suffisent pas et où l’observation, l’examen ou l’avis d’un confrère sont indispensables.

Le docteur Shravan Verma a ainsi exprimé des réserves face à l’idée d’un remplacement des cliniciens. Selon lui, l’IA ne reproduit ni l’empathie, ni la présence physique, ni le jugement nuancé du médecin, notamment dans les situations complexes. Des chatbots peuvent contribuer à initier une orientation ou à recueillir des informations, mais ils doivent pouvoir renvoyer vers un professionnel qualifié lorsque la situation l’exige.

Cette complémentarité pourrait redessiner certaines tâches médicales. Un outil performant pourrait aider à générer des hypothèses ou à ne pas oublier une maladie rare. Le médecin conserverait la responsabilité de vérifier ces pistes, d’en discuter avec le patient et de décider de la conduite à tenir. L’enjeu n’est pas seulement de savoir qui trouve la bonne réponse, mais qui répond des conséquences d’une mauvaise réponse.

Quelles conditions avant un usage dans les soins ?

Entre un résultat sur des cas documentés et un usage auprès de patients, il existe plusieurs étapes. Les établissements de santé devraient notamment évaluer la fiabilité de l’outil dans leurs propres conditions, la qualité des données utilisées, la protection des informations médicales et la manière dont les alertes ou recommandations sont présentées aux soignants.

La transparence est un autre point déterminant. Une IA qui propose un diagnostic sans permettre au médecin de comprendre les éléments qui l’ont conduite à cette piste peut être difficile à utiliser de façon responsable. À l’inverse, un système qui expose ses hypothèses, les examens envisagés et ses incertitudes peut devenir un support de discussion clinique, à condition que ces explications soient elles-mêmes fiables.

La question de la responsabilité devra également être clarifiée. Lorsqu’un outil contribue à une décision médicale, les professionnels, les hôpitaux et les entreprises qui le conçoivent n’occupent pas la même place. La prudence impose de ne pas confondre une assistance à la décision avec une délégation de décision. Dans un secteur où l’erreur peut avoir des conséquences graves, le contrôle humain n’est pas un détail d’interface : il fait partie de la sécurité du soin.

Ce qu’il faut surveiller

L’annonce de Microsoft illustre la vitesse à laquelle l’IA progresse sur des tâches de raisonnement médical. Si des résultats comparables sont confirmés dans des évaluations plus larges et proches de la réalité clinique, ces outils pourraient contribuer à répondre à la pénurie de médecins, notamment en aidant les praticiens à traiter davantage de dossiers complexes. Microsoft cite d’ailleurs, parmi les voix optimistes sur ce potentiel, des responsables technologiques comme Bill Gates.

Les prochains indicateurs importants ne seront pas uniquement les pourcentages de réussite. Il faudra observer la capacité de MAI-DxO à réduire les erreurs, à reconnaître ses limites, à fonctionner avec des données imparfaites et à améliorer réellement le parcours des patients sans alourdir la charge des soignants.

La performance de 85,5 % constitue une démonstration ambitieuse, pas encore une réponse définitive à ces questions. La transformation la plus utile ne serait sans doute pas celle d’une médecine sans médecins, mais celle d’une médecine où les cliniciens disposent d’outils capables d’élargir leur vigilance, tout en leur laissant le jugement, l’écoute et la responsabilité qui fondent la relation de soin.