Le 4 août 2026, Nature Medicine a publié une étude qui devrait intéresser tout médecin qui utilise, ou hésite à utiliser, une aide au diagnostic par intelligence artificielle. Deux expériences, 776 participants, la même IA de dermatologie. Le résultat tient en une phrase : l'explication qui rend l'IA utile à un médecin est exactement celle qui rend l'IA dangereuse pour quelqu'un qui n'a pas votre formation.
Ce que les chercheurs ont mesuré
L'équipe, réunie autour du MIT, de Columbia, de Stanford et de l'Université de médecine de Vienne, a monté deux expériences en ligne.
Dans la première, 623 personnes sans formation médicale devaient trancher entre mélanome et naevus sur 12 photos cliniques. Dans la seconde, 153 médecins de premier recours posaient un diagnostic différentiel ouvert, en citant leurs trois hypothèses, sur 12 photos également, autour de quatre affections choisies parce qu'elles sont mal diagnostiquées sur peau foncée : dermatite atopique, pityriasis rosé, maladie de Lyme et lymphome T cutané. Un troisième groupe, 320 étudiants en médecine, a passé la même épreuve que les médecins.
Chaque participant voyait l'avis de l'IA présenté de l'une de ces quatre façons :
- L'affichage brut : la prédiction et le niveau de confiance du modèle, rien d'autre.
- La carte de chaleur (GradCAM) : les zones de l'image qui ont pesé sur la décision.
- Les images voisines (CBIR) : des cas ressemblants tirés de la base d'apprentissage.
- L'explication en langage naturel, rédigée par un grand modèle de langage multimodal.
Et selon deux ordres de passage : soit le participant se prononçait avant de voir l'IA, soit il voyait l'IA d'emblée. L'IA affichée se trompait volontairement dans une partie des cas : sa justesse était de 83,3 % dans la première expérience et de 79,2 % dans la seconde.
L'IA fait progresser tout le monde, et resserre un écart gênant
Premier constat, franchement encourageant. Avec l'IA, le grand public passe de 69,7 % à 75,8 % de bonnes réponses. Chez les médecins, sur une tâche autrement plus difficile, la justesse du premier diagnostic cité part de 11,5 % sans IA et gagne environ 21 points ; celle du diagnostic présent dans le top 3 part de 16,1 % et en gagne environ 43.
Second constat, plus important encore. Le modèle avait été entraîné sous contrainte d'équité, pour être aussi performant sur peau claire que sur peau foncée. L'écart de justesse entre les deux se réduit alors de 46,9 % chez le grand public (de 3,2 % à 1,7 %) et de 35,6 % chez les médecins. Une IA construite pour être équitable ne se contente pas d'être juste elle-même : elle transmet cette équité aux humains qui s'en servent.
Le piège : l'explication qui se lit comme une histoire
C'est ici que l'étude devient dérangeante. Les auteurs ont séparé les cas où l'IA avait raison de ceux où elle avait tort.
Chez le grand public, quand l'IA voyait juste, l'explication en langage naturel était de loin la plus efficace : +13,4 points, contre +10,9 pour les images voisines, +9,5 pour la carte de chaleur et +8,6 pour l'affichage brut. Mais quand l'IA se trompait, la même explication en langage naturel faisait le plus de dégâts : −21,1 points, contre −17,0, −15,3 et −14,6 pour les autres.
Les auteurs parlent d'une « arme à double tranchant ». Leur explication est éclairante : une carte de chaleur demande un effort d'interprétation, une comparaison d'images demande un effort visuel, tandis qu'un texte bien écrit livre un récit cohérent et complet. Il relie des détails visibles à une conclusion, dans une prose assurée et humaine. Il crée, disent-ils, une illusion de compréhension. Pire : quand le modèle mentionne un « bord irrégulier », le lecteur se met à relire l'image de façon à confirmer ce qu'on vient de lui souffler.
Le médecin, lui, ne se laisse pas faire
Le contraste est net. Chez les médecins de premier recours, une prédiction fausse n'a quasiment aucun effet sur la décision finale, quelle que soit la forme de l'explication. Ils s'appuient sur leur formation, pas sur le texte affiché.
Mieux : l'ordre des préférences s'inverse. Chez eux, c'est l'affichage brut qui aide le plus (+25,8 points) et l'explication en langage naturel qui aide le moins (+17,7 points), même si l'écart de 8,1 points n'atteint pas le seuil de significativité statistique. La formule des auteurs mérite d'être citée : un profane utilise l'explication pour se former une opinion, un médecin l'utilise pour valider une hypothèse qu'il avait déjà. L'expertise joue le rôle d'un pare-feu cognitif.
Les étudiants en médecine, eux, se situent entre les deux : ils se laissent davantage entraîner par l'IA que les médecins installés. Et dans les deux populations, les participants qui suivaient l'IA aveuglément étaient déjà les moins performants sans elle (65,8 % contre 72,5 % chez le grand public). C'est la difficulté centrale : ceux qui ont le plus besoin d'aide sont aussi les plus exposés à être induits en erreur.
L'explication en langage naturel apporte tout de même un bénéfice inattendu aux médecins. Elle aligne bien mieux leur confiance sur leur justesse réelle : la corrélation entre les deux passe de 0,084 sans IA à 0,494 avec. Autrement dit, le texte ne les rend pas plus justes, mais il les rend meilleurs juges de leur propre incertitude.
L'ordre de parole compte plus qu'on ne croit
Dernier enseignement, et le plus directement actionnable. Quand l'avis de l'IA était présenté avant que l'humain se prononce, la proportion de participants qui suivaient l'IA aveuglément augmentait : d'environ 8 points en moyenne chez le grand public, et de 19 points chez les médecins recevant une explication en langage naturel. Les auteurs y voient un effet d'ancrage classique.
Or, à la fin du parcours, une fois que chacun avait vu la même information, les deux ordres donnaient la même justesse. Faire parler l'IA en premier n'apporte donc rien, et coûte l'indépendance du raisonnement. La recommandation des auteurs est sans ambiguïté : l'humain d'abord.
Ce que nous en retenons pour DrBook
Cette étude valide trois choix que nous avions faits, et nous en impose un quatrième.
L'IA de DrBook parle à des médecins, jamais à des patients. C'est la ligne de partage de l'étude. L'aide au diagnostic et la lecture de photos sont réservées aux médecins et aux administrateurs du cabinet : le secrétariat ne voit pas le bouton, et une demande envoyée autrement est refusée par le serveur. Nous ne proposons aucun outil d'auto-diagnostic au grand public, et cette étude nous conforte durablement dans ce choix.
Le médecin écrit d'abord, l'IA parle ensuite. La suggestion se lance depuis le champ Hypothèse de diagnostic, après que vous avez rempli la consultation, et elle est refusée si le dossier ne contient aucune matière clinique. Nous allons plus loin : vos diagnostics déjà codés ne sont pas transmis au modèle. Nous l'avions décidé pour éviter qu'une IA à qui l'on montre la réponse se contente de la confirmer poliment. L'étude montre que ce raisonnement fonctionne aussi dans l'autre sens, et qu'il protège votre jugement de l'ancrage.
Chaque hypothèse porte son argument, et rien n'entre au dossier tout seul. Les hypothèses arrivent classées par vraisemblance, avec le raisonnement qui les soutient sur vos propres données. Vous les reprenez bloc par bloc depuis la console IA, ou vous les ignorez : ne rien faire est une décision enregistrée comme les autres. L'avertissement rappelant que le contenu est généré par une IA, qu'il peut contenir des erreurs et que la décision finale vous appartient est affiché sur chaque résultat clinique et ne peut pas être masqué. Les auteurs appellent précisément à ce type de mention.
Et le quatrième point, celui que l'étude nous impose. La justesse du modèle compte plus que l'élégance de ses explications, en particulier sur peau foncée. C'est pourquoi la lecture de photos s'active spécialité par spécialité, en commençant par la dermatologie, là où nous l'avons évaluée sur des cas réels, et pourquoi les observations déposées sur la carte anatomique restent accessibles à tous : documenter une zone du corps n'envoie rien à l'extérieur. Sur ce dernier point, notre approche de la protection des données et le cadre marocain de la loi 09-08 vont dans le même sens : le patient part anonyme, décrit par son âge et son sexe.
Les limites, que les auteurs assument
Il faut lire cette étude pour ce qu'elle est. Les participants n'avaient ni antécédents, ni contexte, ni examen clinique : seulement une photo. Douze images par personne, c'est peu. Les résultats valent pour les modèles précis qui ont été testés, dont la justesse était moyenne. Et une expérience en ligne n'est pas une consultation. Les auteurs le disent eux-mêmes et appellent à répliquer le travail dans d'autres domaines, avec un vrai contexte patient.
Cela ne retire rien à l'essentiel : dans un cabinet, l'IA doit épauler un raisonnement qui existe déjà, pas le remplacer ni le devancer.
L'article est en accès libre : Divergent impacts of explainable AI for dermatological diagnosis on clinicians versus lay people, Xu et al., Nature Medicine, 4 août 2026.