Utilisation de l’IA en médecine : comment débuter?

Les outils d’intelligence artificielle générative font aujourd’hui partie du paysage médical. Beaucoup de professionnels de la santé hésitent pourtant encore à s’y mettre. Ils ne savent pas par où commencer, quelle plateforme choisir ni quel crédit accorder aux réponses obtenues. Voici quelques repères pour faire ses premiers pas avec méthode et en sécurité.

Essayer, la seule manière de savoir

On peut lire beaucoup d’articles sur l’IA en médecine, assister à des conférences et suivre les débats sur ses promesses et ses dangers. Rien ne remplace pourtant l’expérience personnelle. L’utilité d’un assistant conversationnel (ChatGPT, Claude, Euria, OpenEvidence, etc.) ne se mesure pas en théorie. Elle se découvre en lui posant des questions réelles, tirées de sa propre pratique, puis en examinant ses réponses d’un œil critique. C’est à l’usage que l’on comprend ce que ces outils font bien, ce qu’ils font mal et la place qu’ils peuvent prendre dans une journée de travail. Il n’est pas nécessaire de maîtriser toutes les plateformes disponibles. Mieux vaut en choisir une, deux ou trois, et apprendre à bien les connaître.

Deux grandes familles d’usages

L’IA est déjà utile en médecine dans de nombreuses situations. On peut schématiquement les répartir en deux catégories.

La première est l’aide à la décision clinique. Il s’agit de répondre aux questions que les médecins se posent chaque jour face à leurs patients : quelle est la cible thérapeutique recommandée, quelle interaction médicamenteuse redouter, quel bilan prescrire devant tel tableau clinique, que disent les dernières recommandations des sociétés savantes. Les assistants conversationnels permettent d’obtenir en quelques secondes une synthèse que la consultation de plusieurs sources aurait demandé beaucoup plus de temps à établir, à condition d’en vérifier la pertinence.

La seconde regroupe les outils qui allègent la charge administrative. Les assistants médicaux de documentation clinique transcrivent la consultation et en produisent un résumé structuré, ce qui libère le médecin de la saisie pendant l’entretien. Les solutions de gestion documentaire permettent d’analyser des documents (rapports d’hospitalisation, résultats d’examens, courriers de spécialistes) et de générer des rapports médicaux complexes à partir du dossier. Ces usages sont moins spectaculaires que l’aide au diagnostic. Ils sont pourtant souvent ceux qui procurent le bénéfice le plus immédiat, en redonnant du temps pour les patients.

Choisir la bonne plateforme selon la question

Toutes les plateformes ne se valent pas. Surtout, elles ne conviennent pas toutes aux mêmes usages. Le critère déterminant est la nature des données transmises. La page Quels LLM utiliser ? du site iamedicale.org présente une comparaison détaillée. Retenons ici trois recommandations.

Pour les recherches médicales sans données identifiantes, OpenEvidence est aujourd’hui la solution la plus adaptée. Cette plateforme est conçue pour les professionnels de la santé et fonde ses réponses sur la littérature scientifique publiée. Elle cite ses sources, ce qui facilite leur vérification. Aucune information permettant d’identifier un patient ne doit toutefois y être saisie.

Dès que des données de patients sont en jeu, seules des plateformes conformes à la loi fédérale sur la protection des données (LPD) peuvent être utilisées. C’est le cas par exemple de DOCumenter.ch, une solution suisse de documentation clinique et de gestion documentaire destinée aux cabinets médicaux.

Pour les recherches qui ne relèvent pas du domaine médical (rédaction d’un courrier administratif sans données patients, organisation du cabinet, questions générales), il est préférable de se tourner vers des plateformes suisses comme Euria, développée par Infomaniak, ou Lumo, développée par Proton. Leur politique de respect de la sphère privée est nettement meilleure que celle des solutions les plus connues, telles que ChatGPT, Claude, Gemini, Copilot ou Grok.

Image. Pour utiliser les plateformes d’IA avec efficacité et sécurité, il est impératif de se former. 

Le piège des hallucinations : n’utiliser l’IA que là où l’on est compétent

Les modèles de langage présentent une faiblesse majeure. Ils ne savent pas dire « je ne sais pas ». Conçus pour produire une réponse plausible, ils génèrent du texte même lorsque l’information leur fait défaut. Ils inventent alors des faits, des chiffres, voire des références bibliographiques, avec la même assurance que lorsqu’ils ont raison. On parle d’hallucinations. En médecine, le risque est considérable : une posologie erronée ou une recommandation obsolète formulée avec aplomb peut passer inaperçue et conduire à une erreur de prise en charge.

Il faut donc être capable de juger si une réponse est correcte ou non. Il en découle une règle qui peut sembler paradoxale mais qui est essentielle : l’IA ne devrait être utilisée que dans les domaines où l’on dispose déjà d’une expertise suffisante. Prenons l’exemple d’un médecin généraliste qui interroge un assistant sur le protocole de chimiothérapie indiqué pour un cancer donné. Il obtiendra une réponse structurée et convaincante. Il n’aura toutefois probablement pas les connaissances nécessaires pour déterminer si cette proposition correspond aux dernières recommandations ou si elle comporte une erreur subtile. Dans ce cas, l’outil ne l’aide pas, il le met en danger. Utilisée dans son propre champ de compétence, l’IA devient à l’inverse un accélérateur : le praticien repère les erreurs, complète les omissions et garde la maîtrise de la décision. Le médecin reste dans tous les cas seul responsable de ses choix thérapeutiques.

Commencer par des questions dont on connaît la réponse

Pour un professionnel de la santé qui débute, la démarche la plus instructive peut sembler étrange. Elle consiste à interroger l’IA sur des sujets dont il connaît parfaitement la réponse, y compris des questions évidentes. Par exemple :

Faut-il traiter une hypercholestérolémie chez un patient qui présente une maladie coronarienne ?

La réponse ne lui apprendra rien sur le fond. Elle lui apprendra en revanche beaucoup sur l’outil. Il pourra observer la manière dont l’assistant structure son raisonnement, la qualité des sources citées, la précision des valeurs cibles et le degré de nuance de la réponse. Il verra aussi comment la formulation de la question modifie le résultat. Au fil des questions, en augmentant progressivement leur complexité, il découvrira à la fois la puissance réelle de ces outils et leurs limites. Il saura alors quand il peut s’y fier, quand il doit vérifier et quand il vaut mieux s’en passer. C’est ce calibrage personnel, construit par l’expérience, qui permet ensuite une utilisation efficace et sûre.

Imaginer progressivement ses propres cas d’usage

Une fois ces premiers essais réalisés, l’étape suivante consiste à identifier les situations concrètes dans lesquelles l’IA peut réellement être utile dans sa propre pratique. On parle de cas d’usage. Personne ne peut les définir à la place du praticien, car ils dépendent de sa spécialité, de son organisation et des tâches qui lui prennent le plus de temps. Il est préférable de les introduire un par un, en consolidant chaque étape avant de passer à la suivante.

Le premier cas d’usage est généralement celui décrit plus haut : répondre aux questions que l’on se pose face à ses patients, dans son domaine de compétence et sans données identifiantes. Vient ensuite, souvent assez naturellement, le résumé d’articles scientifiques. L’IA permet de dégager rapidement la question de recherche, la méthodologie, les principaux résultats et les limites d’une étude, ce qui aide à décider si elle mérite une lecture complète. Le résumé ne remplace toutefois pas la lecture de l’article lorsque ses conclusions sont susceptibles de modifier une pratique.

Plus tard, le praticien pourra utiliser l’IA pour créer des documents d’information destinés à ses patients : explication d’une maladie chronique, préparation à un examen, conseils après une intervention, adaptés au niveau de compréhension et à la langue du patient. Ces documents doivent être relus avec soin, car une erreur y serait transmise directement au patient. Ils peuvent être rédigés sans aucune donnée identifiante.

Enfin, lorsque l’usage de ces outils est devenu familier, vient la transcription automatique des consultations en résumé structuré, à l’aide d’un assistant médical de documentation clinique. C’est souvent l’usage qui procure le gain de temps le plus important. C’est aussi celui qui exige le plus de précautions, puisqu’il porte sur des données de santé identifiantes. Il suppose une plateforme conforme à la LPD, l’information préalable du patient et une relecture systématique du résumé avant son intégration au dossier.

Cette progression n’a rien d’obligatoire. Elle a toutefois l’avantage d’aller du plus simple au plus exigeant, et de construire à chaque étape les compétences nécessaires à la suivante.

Jean Gabriel Jeannot, le 24.09.26

Pour aller plus loin (et devenir un pro !)

Utilisez notre nouvel outil « Mes premiers pas avec l’IA en médecine ». Avec l’article que vous venez de lire, vous avez la théorie.  Avec cet outil « Mes premiers pas avec l’IA en médecine », vous allez passer à la pratique !

Suivez un de nos webinaires « Mieux soigner et mieux travailler grâce aux nouveaux outils d’IA ». Nous en proposons deux actuellement, qui se complètent, un payant et l’autre gratuit. Vous trouverez plus d’informations sur nos formations sur notre site iamedicale.org. 

Vous faites partie d’un groupe de professionnels de la santé, médecins ou autres, et vous disposez d’un budget de formation ? Nous concevons des formations en ligne ou en présentiel adaptées à votre pratique et à vos besoins. N’hésitez pas à nous contacter.