Le titre a de quoi faire sursauter : une intelligence artificielle de Microsoft ferait mieux que des médecins. Relayée ce week-end par Fox News, l'étude derrière cette affirmation est sérieuse, mais elle dit moins qu'il n'y paraît. Voici ce qu'elle démontre, ce qu'elle laisse dans l'ombre et pourquoi l'étape suivante, dans un hôpital de Boston, compte davantage que les pourcentages.
Ce que l'étude affirme
<cite index="1-6">Dans une étude publiée le 22 octobre dans la revue Science, le système de diagnostic de Microsoft a correctement identifié 83 % de cas médicaux complexes, contre 36 % pour des médecins généralistes autorisés à consulter des documents de référence.</cite> Selon Fox News, <cite index="1-23">sans ces ressources, la précision des médecins tombait à 22 %.</cite>
Le système s'appelle MAI-DxO, pour Microsoft AI Diagnostic Orchestrator. <cite index="2-7">Selon Fox Business, un « orchestrateur » organise le travail de l'IA en s'appuyant sur un panel simulé d'experts cliniques qui collaborent pour résoudre les cas.</cite> Il ne reçoit pas un dossier complet : <cite index="5-14">il part de la plainte initiale du patient, élabore un diagnostic de travail, demande des informations supplémentaires et choisit des examens en tenant compte de leur coût.</cite>
Les tests ont porté sur deux ensembles de cas. <cite index="5-8">Il s'agissait de 304 cas cliniques tirés du New England Journal of Medicine et de 325 passages de l'urgence à l'hospitalisation issus de la base MIMIC-IV-ED.</cite> Sur les cas d'urgence, <cite index="5-11">l'IA a atteint 80,3 % d'exactitude, contre 46,8 % pour les médecins.</cite>
Une promesse qui n'est pas nouvelle
Ce n'est pas la première fois que Microsoft brandit ces résultats. <cite index="13-2">Le 30 juin 2025, l'entreprise annonçait que MAI-DxO diagnostiquait 85 % des cas du New England Journal of Medicine, contre une précision moyenne de 20 % pour les médecins de son étude.</cite> À l'époque, <cite index="15-4">les médecins américains et britanniques comparés, avec 5 à 20 ans d'expérience, n'avaient accès ni à des robots conversationnels, ni à des manuels, ni à des collègues.</cite> Cette version préliminaire n'avait pas été évaluée par des pairs.
La publication dans Science change donc le statut du travail. <cite index="16-10">Le chiffre principal est un peu plus bas qu'en 2025, à environ 83 %, mais la base de preuves est plus large et inclut désormais les cas d'urgence.</cite> La comparaison humaine est aussi plus généreuse : les médecins pouvaient cette fois consulter des références.
Les réserves qui comptent
Plusieurs limites tempèrent l'enthousiasme, et les sources consultées convergent sur la plupart d'entre elles.
Des généralistes, pas des équipes de spécialistes. Selon TechRepublic, l'étude <cite index="25-6">n'établit pas que MAI-DxO surpasse des spécialistes, des équipes cliniques multidisciplinaires ou des médecins qui soignent de vrais patients.</cite> Or c'est précisément ainsi que les cas difficiles sont gérés à l'hôpital.
Un patient simulé. <cite index="5-20,5-21">MAI-DxO dialoguait avec un autre système d'IA qui puisait dans le dossier médical; il n'interrogeait pas un vrai patient qui peine à décrire ses symptômes.</cite> Fox News précise que, lorsqu'un détail manquait, <cite index="1-31">cet agent pouvait générer des réponses plausibles.</cite> Selon The Next Web, <cite index="27-8">ni l'IA ni les médecins n'avaient accès à l'examen physique ou à l'imagerie médicale.</cite>
Des échantillons inégaux. <cite index="1-26">L'IA a été évaluée sur 304 cas complexes, tandis que les médecins ont traité un ensemble plus restreint de 56 cas.</cite> Les pourcentages ne reposent donc pas sur deux groupes ayant fait exactement le même travail.
Des auteurs qui travaillent pour l'entreprise. <cite index="1-35">Les auteurs de l'étude sont employés de Microsoft, ce qui rend les tests indépendants particulièrement importants avant que des hôpitaux n'envisagent d'y recourir.</cite> Une analyse publiée sur Medium souligne que le résultat n'a pas, à ce jour, été reproduit par une équipe externe, et que <cite index="26-6">tous les auteurs de l'article travaillent pour Microsoft.</cite>
Des cas rares, pas la médecine courante. <cite index="9-16">Les cas du NEJM comptent parmi les présentations les plus difficiles de la médecine, et ne reflètent pas le volume quotidien d'un système de santé.</cite> On ignore si le système ne passerait pas à côté de diagnostics évidents en cherchant des maladies rares, une inquiétude déjà formulée lors de l'annonce de 2025.
L'orchestrateur ou le modèle : qui fait le travail?
Le détail le plus instructif concerne la contribution réelle de Microsoft. L'orchestrateur n'est pas un modèle de langage autonome : il coordonne des modèles venus d'ailleurs. <cite index="1-42">Les chercheurs ont testé des modèles d'OpenAI, de Google, d'Anthropic et d'autres entreprises.</cite>
Les écarts sont parlants. <cite index="1-43,1-44">GPT-5 d'OpenAI résolvait environ 79 % des cas complexes avec une simple consigne, et l'ajout de MAI-DxO a fait monter ce chiffre à environ 83 %.</cite> Avec le modèle plus récent GPT-5.5, <cite index="1-47">l'orchestration a fait passer la précision d'environ 72 % à près de 87 %.</cite> Mais <cite index="1-48">le système supplémentaire a peu amélioré les résultats sur les cas d'urgence avec les modèles les plus puissants.</cite> En clair, une bonne part de la performance vient des modèles eux-mêmes, et l'apport de la couche d'orchestration varie selon le modèle et le problème.
Cela rejoint une lecture plus large : la capacité de raisonnement clinique des grands modèles progresse vite, indépendamment de tel ou tel produit. Une étude préliminaire de chercheurs en médecine, mise en ligne sur arXiv, rapportait déjà qu'un modèle de langage de la génération précédente incluait le bon diagnostic dans sa liste de possibilités dans 78,3 % des cas du même type de conférences cliniques.
La question des coûts
Microsoft met aussi de l'avant des économies. <cite index="1-54,1-55">Dans une configuration soucieuse des coûts, MAI-DxO atteignait environ 81 % d'exactitude pour des frais diagnostiques estimés à 2 241 $ US par cas, contre environ 4 725 $ US en moyenne pour les médecins qui disposaient de références.</cite>
Là encore, la nuance s'impose. Fox News rappelle que <cite index="10-51">ces chiffres ne représentent ni de vraies factures de patients ni le coût d'exploitation de l'IA.</cite> Et sans plafond budgétaire, l'analyse de Medium note que le système a dépensé davantage que les médecins, <cite index="26-5">environ 5 400 $ par cas complexe contre 4 700 $ pour les médecins.</cite> TechRepublic en tire la conclusion prudente que <cite index="25-8">les résultats n'établissent pas que le déploiement de MAI-DxO réduirait les dépenses globales de santé.</cite>
La suite : un essai en milieu réel à Boston
C'est ici que le dossier devient intéressant. <cite index="1-57">Microsoft a annoncé un partenariat avec le Beth Israel Deaconess Medical Center de Boston pour évaluer MAI-DxO en contexte clinique.</cite> Selon Fox Business, l'équipe y testera <cite index="2-19">la capacité de l'outil à effectuer le triage des patients dans les salles d'attente des urgences.</cite> <cite index="1-58,1-60">Les patients consentants continueront de recevoir les soins habituels, et les médecins resteront responsables du traitement.</cite>
Le même hôpital sert de terrain à un concurrent. <cite index="31-7,31-8">Google a publié dans The Lancet une étude où 98 patients ont consulté son robot AMIE avant des visites de soins urgents; des médecins supervisaient en temps réel et aucune conversation n'a dû être interrompue selon les critères de sécurité prédéfinis.</cite> Le design est cependant beaucoup plus modeste : selon une analyse de l'étude, il s'agissait d'un essai <cite index="32-7">prospectif, dans un seul centre et sans groupe de comparaison.</cite> <cite index="31-9">Les cliniciens ont déclaré que les résumés de l'IA les avaient aidés à se préparer dans 75 % des cas.</cite>
Les deux approches diffèrent. Celle de Google vise la qualité de la conversation avec le patient avant la consultation; celle de Microsoft vise la stratégie diagnostique, soit quelles questions poser, quels examens demander et à quel coût. Aucune des deux ne démontre pour l'instant un bénéfice sur la santé des patients.
Ce qu'il faut retenir
L'étude de Science montre qu'un système d'IA bien orchestré peut mener une démarche diagnostique séquentielle, en posant des questions et en choisissant des tests, avec une précision très supérieure à celle de généralistes isolés sur des cas rares et rédigés. C'est un résultat réel, publié dans une revue de premier plan.
Il ne montre pas, en revanche, que l'IA « surpasse les médecins » au sens où le lecteur de la manchette l'entendrait. La comparaison porte sur des généralistes seuls, sur du texte, avec un patient simulé, par des auteurs liés à l'entreprise. Fox News elle-même conclut que ces travaux demeurent une technologie de recherche et que la question de bénéfices comparables dans les soins courants reste ouverte.
Le vrai verdict viendra de la salle d'attente d'un service d'urgence de Boston, où l'outil devra composer avec des dossiers incomplets, des patients inquiets et des médecins qui gardent la décision finale. D'ici là, les pourcentages disent surtout où en sont les grands modèles de langage, et combien de chemin il reste avant la clinique.