Diagnostic par IA : l’outil de Microsoft publié dans Science, bientôt testé sur des patients

En juin 2025, Microsoft avait fait sensation en affirmant que son système d’intelligence artificielle MAI-DxO posait des diagnostics bien plus justes que des médecins sur des cas réputés difficiles, des chiffres que nous avions alors analysés avec prudence. Le 22 octobre 2026, ces travaux ont franchi une étape importante : ils sont publiés dans la revue Science, l’une des plus exigeantes au monde, après une relecture par des scientifiques indépendants. Microsoft annonce dans la foulée un premier essai auprès de vrais patients, à Boston. Les résultats restent impressionnants, mais leur lecture attentive invite à nuancer le discours sur une « superintelligence médicale ».

Ce que fait MAI-DxO

MAI-DxO, pour Microsoft AI Diagnostic Orchestrator, n’est pas un modèle d’IA à proprement parler mais un orchestrateur : un programme qui organise le travail de plusieurs agents d’IA reposant sur des modèles de langage existants, comme ceux d’OpenAI. Selon Microsoft, il fonctionne « comme un panel de médecins virtuels » qui proposent des hypothèses, choisissent des examens et se contredisent sur plusieurs tours avant de converger vers un diagnostic.

La différence avec un assistant classique tient à la méthode. Au lieu de recevoir un dossier complet et de répondre immédiatement, le système part d’informations limitées, comme un médecin face à un nouveau patient. Il pose des questions, demande des analyses ou des examens d’imagerie, et doit peser l’utilité de chaque examen face à son coût. Cette démarche dite séquentielle se rapproche du raisonnement clinique réel.

Pour la mesurer, Microsoft a conçu un banc d’essai baptisé SDBench, dont une partie est publiée en accès libre pour que d’autres chercheurs puissent reproduire les résultats. Un programme joue le rôle du patient et ne révèle une information que si elle est demandée, tandis qu’un autre évalue le diagnostic final et chiffre le coût des examens prescrits.

Les résultats face aux médecins

Le banc d’essai comprend deux séries de cas. La première rassemble 304 cas complexes publiés par le New England Journal of Medicine, une revue médicale de référence, qui sont parmi les plus difficiles de la littérature. La seconde regroupe des cas courants d’urgences issus de MIMIC-IV-ED, une base de données hospitalière américaine anonymisée utilisée en recherche.

Selon Microsoft, le système se montre donc environ 2,3 fois plus précis que des médecins disposant d’ouvrages de référence sur les cas complexes, et plus de 1,7 fois sur les cas d’urgences. Il y parvient en prescrivant moins d’examens : sur les cas complexes, une configuration optimisée pour réduire les coûts atteint 81 % de réussite pour moins de la moitié du coût de systèmes comparables. Aucune autre approche, humaine ou artificielle, n’a été à la fois plus précise et moins coûteuse sur les deux séries de cas, affirme l’entreprise.

Que valent vraiment ces chiffres ?

Plusieurs éléments invitent à tempérer l’enthousiasme. Le premier concerne les médecins comparés. Selon TechCrunch, il s’agissait de médecins généralistes et d’internistes travaillant seuls. Or des cas aussi complexes que ceux du New England Journal of Medicine sont, dans la vraie vie, généralement confiés à des spécialistes ou discutés en équipe. Ni les uns ni les autres ne faisaient partie de la comparaison.

Le deuxième tient à la part réelle de l’orchestrateur. TechCrunch a examiné les résultats détaillés : utilisé seul avec une consigne simple, le modèle GPT-5 d’OpenAI atteint déjà 78,9 % de réussite sur les cas complexes, et MAI-DxO n’ajoute qu’environ quatre points. Avec GPT-5.5, l’orchestrateur fait passer la précision de 72 % à près de 87 %. Avec un modèle plus modeste, Gemini 2.5 Flash de Google, il la fait grimper de 46,4 % à près de 69 %, mais l’écart entre les modèles reste plus grand que le gain apporté par l’orchestrateur. Sur les cas d’urgences, le bénéfice est faible : GPT-5.5 atteint environ 85 % avec ou sans lui.

Le troisième point est fondamental : il s’agit d’une simulation. Le patient est joué par un programme, les examens n’existent que sur le papier et les cas sont tirés de publications ou de dossiers anonymisés. Les cas publiés dans une revue médicale sont aussi, par nature, des cas remarquables, choisis parce qu’ils sont instructifs, ce qui ne reflète pas la consultation ordinaire. Un vrai patient décrit mal ses symptômes, oublie un antécédent, ne peut pas toujours passer tous les examens. Microsoft le reconnaît lui-même : « le vrai test, c’est la performance dans des environnements cliniques réels ».

Un essai auprès de vrais patients à Boston

C’est précisément l’objet de l’étape suivante. Microsoft a annoncé un partenariat avec le Beth Israel Deaconess Medical Center, un hôpital universitaire de Boston rattaché à Harvard. Dans cette étude prospective, c’est-à-dire menée en temps réel et non sur des cas passés, des patients volontaires interagiront avec le système. Selon TechCrunch, ils recevront les soins habituels, et les recommandations de MAI-DxO seront comparées à celles de médecins, sans influencer leur prise en charge. Ni la taille de l’étude ni son calendrier n’ont été précisés.

« Cette technologie est prête pour des évaluations en conditions réelles », a déclaré Dominic King, vice-président chargé de la santé chez Microsoft AI, qui met en avant le déséquilibre croissant entre la demande et l’offre d’expertise médicale. Microsoft indique aussi travailler avec la Mayo Clinic, l’un des plus grands centres médicaux américains, sur un modèle d’IA spécialisé en santé dont la sortie est prévue l’an prochain.

Ce que cela pourrait changer pour la médecine

Pour Mustafa Suleyman, patron de Microsoft AI, ces résultats sont un pas vers une « superintelligence médicale ». Les applications envisagées sont pourtant plus modestes à court terme : aider un généraliste face à un cas inhabituel, suggérer des pistes oubliées, ou éviter des examens inutiles et coûteux. Dans des systèmes de santé confrontés à la pénurie de médecins, un outil capable de suggérer le bon examen au bon moment pourrait faire gagner un temps précieux.

De nombreuses questions restent toutefois ouvertes avant tout usage à l’hôpital. Qui est responsable en cas d’erreur de l’IA ? Comment éviter que les médecins ne se reposent trop sur ses suggestions ? Comment garantir que le système fonctionne aussi bien sur des populations différentes de celles des bases de données américaines ? En Europe, un tel outil d’aide au diagnostic serait par ailleurs soumis au règlement sur les dispositifs médicaux et aux exigences renforcées de l’AI Act pour les systèmes à haut risque. L’essai de Boston apportera les premières réponses sur le terrain. Nos articles de la page santé d’Actu.ai suivent ces avancées et leurs limites.