L'intelligence artificielle en imagerie médicale : au-delà de la performance, le défi de la confiance

La récente prise de position de l’Académie nationale de médecine sur l’intelligence artificielle en imagerie médicale marque un tournant important. Elle ne vient pas remettre en question l’intérêt de ces technologies - elle en redéfinit les conditions d’usage.

Car le sujet n’est plus de savoir si l’IA est performante.Sur de nombreux cas d’usage, elle l’est déjà.

Le véritable enjeu est ailleurs : peut-on lui faire confiance en pratique clinique ?

1. Une promesse technologique déjà largement démontrée

L'intelligence artificielle a profondément transformé les capacités d'analyse en imagerie médicale. Détection d'anomalies, segmentation automatique des organes, quantification des lésions, aide à la décision : les performances atteintes sur certaines tâches sont aujourd'hui remarquables.

Concrètement, l'IA est déjà capable d'identifier des fractures sur une radiographie, de détecter une embolie pulmonaire sur un scanner, de signaler une hémorragie intracrânienne en situation d'urgence, d'assister le dépistage du cancer du sein ou encore d'analyser des IRM prostatiques avec des performances parfois comparables à celles de radiologues experts. Elle permet également de segmenter automatiquement des organes comme le foie, le cœur ou les poumons, de mesurer une charge tumorale ou de comparer des examens successifs afin de suivre l'évolution d'une pathologie.

Ces avancées répondent à un enjeu majeur. Les volumes d'imagerie augmentent de manière exponentielle alors que les ressources médicales restent limitées. Chaque examen produit davantage d'informations, rendant leur analyse toujours plus complexe. Dans ce contexte, l'IA constitue une aide précieuse pour réduire certaines erreurs liées à l'inattention, homogénéiser les pratiques et automatiser des tâches particulièrement chronophages.

Mais cette performance technique, aussi impressionnante soit-elle, ne suffit pas à garantir un usage pertinent en conditions réelles.

2. Le vrai défi : l’intégration dans le raisonnement clinique

C'est probablement le principal enseignement du rapport de l'Académie nationale de médecine : l'IA ne peut pas être utilisée comme un outil autonome. Elle doit s'inscrire dans un cadre clinique exigeant, où le médecin reste au centre de la décision.

La qualité d'un algorithme ne se résume pas à son taux de précision. Une IA performante dans un établissement peut produire des résultats moins fiables dans un autre si les équipements, les protocoles d'acquisition ou les populations de patients diffèrent de ceux utilisés lors de son entraînement.

Au-delà de la qualité des données d'entraînement, une IA doit également être capable de s'intégrer au système d'information de l'établissement, d'accéder aux examens antérieurs, de prendre en compte le contexte clinique et de restituer des résultats compréhensibles par le médecin. Sans cette intégration, même un excellent algorithme risque de perdre une grande partie de sa valeur.

La question n'est donc plus uniquement celle de la précision des modèles, mais de leur capacité à accompagner le raisonnement médical, à être compris par leurs utilisateurs et à s'intégrer naturellement dans les pratiques quotidiennes.

3 . De nouveaux risques à maîtriser

L'introduction de l'IA dans la pratique médicale ne supprime pas les risques : elle en crée de nouveaux.

Les performances d'un algorithme restent directement liées à la qualité des données qui ont servi à son apprentissage. Utilisé en dehors de son domaine de compétence ou dans un contexte différent, il peut produire des erreurs, voire des résultats aberrants. Les modèles les plus récents ne sont pas non plus à l'abri d'« hallucinations » ou d'interprétations inadaptées lorsqu'ils rencontrent des situations inédites.

Le rapport met également en lumière un risque plus insidieux : le biais de confiance. Plus un algorithme paraît performant, plus le médecin peut être tenté d'accepter son résultat sans exercer pleinement son esprit critique. À long terme, cette dépendance pourrait conduire à une perte progressive de certaines compétences diagnostiques, notamment dans l'interprétation des examens normaux ou des situations atypiques.

À ces enjeux s'ajoutent des questions essentielles de cybersécurité, de protection des données de santé, d'intégration aux systèmes d'information hospitaliers et de maintien des performances dans le temps. L'Académie insiste notamment sur la nécessité de mettre en place une véritable algorithmovigilance, c'est-à-dire un suivi continu des algorithmes après leur déploiement afin de détecter d'éventuelles dérives, d'analyser leurs erreurs et de garantir leur amélioration continue.

L'IA ne peut donc pas être considérée comme une solution « clé en main ». Comme tout dispositif médical, elle nécessite un cadre d'utilisation, une supervision humaine permanente et une compréhension précise de ses limites.

4. Construire une IA médicale de confiance

Face à ces enjeux, une conviction s'impose : l'avenir de l'intelligence artificielle en santé ne se jouera pas uniquement sur les performances des algorithmes, mais sur la capacité à construire des systèmes fiables, transparents et intégrés dans la pratique clinique.

Le rapport de l'Académie nationale de médecine rappelle que plusieurs conditions sont désormais indispensables : une validation systématique des résultats par le médecin, une transparence sur les données d'entraînement et les limites des modèles, une intégration fluide dans les systèmes d'information hospitaliers, une protection rigoureuse des données de santé et une formation continue des professionnels amenés à utiliser ces outils.

L'Académie insiste également sur la nécessité d'assurer un suivi des performances des algorithmes après leur déploiement. Contrairement à un logiciel classique, une IA évolue dans un environnement en constante mutation : nouvelles modalités d'imagerie, nouveaux protocoles d'acquisition, évolution des populations, apparition de nouvelles pathologies ou encore innovations thérapeutiques peuvent modifier progressivement ses performances. Cette surveillance continue, qualifiée d'algorithmovigilance, devient une condition essentielle pour garantir la fiabilité des outils dans le temps.

Au fond, il ne s'agit plus seulement de développer une IA performante, mais de construire une IA capable d'inspirer durablement confiance aux professionnels de santé. C'est cette confiance qui permettra de passer d'une démonstration technologique à une adoption à grande échelle.

5 . Le choix de Doctreen : une IA hybride ancrée dans la pratique médicale

Chez Doctreen, cette vision guide nos choix technologiques depuis l'origine. Nous avons fait le choix de développer une IA hybride, qui associe la puissance de l'intelligence artificielle générative à une intelligence symbolique reposant sur des arbres de décision élaborés avec des médecins experts.

Cette approche répond à une conviction simple : en santé, une réponse ne suffit pas. Elle doit s'inscrire dans un raisonnement médical cohérent.

Concrètement, lorsqu'un médecin dicte son examen ou lorsqu'une image est analysée, l'IA ne se contente pas de générer automatiquement un texte. Elle qualifie progressivement les observations, répond à des questions médicales structurées, vérifie la cohérence des informations recueillies et s'appuie sur des référentiels construits avec les experts métiers pour produire un compte rendu fiable, homogène et conforme aux pratiques cliniques.

Cette architecture hybride permet de concilier deux approches complémentaires : la capacité des modèles génératifs à comprendre et structurer le langage médical, et la robustesse d'un raisonnement explicite fondé sur l'expertise clinique. Elle limite ainsi certains risques inhérents aux modèles génératifs utilisés seuls, tout en laissant systématiquement le médecin au cœur de la décision.

Cette vision rejoint directement les recommandations formulées par l'Académie nationale de médecine. Une IA réellement utile ne peut pas être une boîte noire. Elle doit être comprise, supervisée, intégrée dans le système d'information, capable d'évoluer avec les pratiques médicales et toujours validée par le professionnel de santé.

Notre ambition n'est donc pas de remplacer le médecin, mais de lui fournir un assistant intelligent capable de réduire la charge documentaire, d'harmoniser les pratiques et de sécuriser la production médicale, afin qu'il puisse consacrer davantage de temps à son expertise clinique et à ses patients.

6. Repenser la valeur de l’IA en santé

L'intelligence artificielle ouvre des perspectives considérables pour l'imagerie médicale et, plus largement, pour l'ensemble des spécialités qui produisent des documents médicaux.

Les progrès réalisés ces dernières années démontrent déjà son potentiel pour améliorer la qualité des diagnostics, automatiser des tâches répétitives et accompagner les professionnels dans leur pratique quotidienne.

Mais la prochaine étape ne sera pas une simple course à la performance.

Le véritable enjeu est désormais de construire des IA capables de s'intégrer durablement dans les organisations de soins, d'accompagner le raisonnement clinique sans s'y substituer et de conserver la confiance des professionnels qui les utilisent.

Comme le rappelle l'Académie nationale de médecine, les résultats produits par une IA devront toujours être replacés dans leur contexte clinique, validés par le médecin et évalués dans le temps. Cette exigence n'est pas une limite à l'innovation ; elle en constitue au contraire la condition de réussite.

En santé, la valeur d'une IA ne se mesure donc pas uniquement à sa précision algorithmique. Elle se construit dans la durée, à travers la qualité de son intégration, la transparence de son fonctionnement, la confiance qu'elle inspire aux professionnels de santé et son impact concret sur la qualité des soins.

La question n’est plus de savoir jusqu’où l’intelligence artificielle peut aller, mais comment concevoir une IA à laquelle les médecins pourront accorder leur confiance, durablement.

Référence

Académie nationale de médecine Rapport 26-01 - Apport de l’intelligence artificielle en imagerie médicale Bulletin de l’Académie nationale de médecine, 2026DOI

Téléchargez l'étude au format pdf

---

Qui sommes-nous ?

Doctreen est une entreprise française de health-tech qui développe une IA hybride combinant IA générative et arbres de décision cliniques pour produire des comptes-rendus médicaux structurés, notamment en radiologie, médecine nucléaire, cardiologie, anatomopathologie.

📧 Contactez-nous : contact@doctreen.com

🔍 Une démo de nos solutions : https://shorturl.at/Fdc1W

🔔 Abonnez-vous à la chaîne youtube : https://www.youtube.com/@doctreen-group

🔗 LinkedIn: https://www.linkedin.com/company/doctreen