État de la recherche

L’anamnèse conduite par une IA : où en est vraiment la recherche

7 septembre 2026 · 8 min de lecture · Dokto

Entre l’étude Nature où une IA conversationnelle surpasse des généralistes et l’essai JAMA où elle n’améliore rien du tout, il n’y a pas de contradiction : ce n’est pas la même question. Voici comment lire cette littérature quand on décide d’installer un outil dans son cabinet.

Le résultat le plus fort, et sa limite

En 2025, Nature publie l’évaluation d’AMIE, un système conversationnel entraîné spécifiquement pour le dialogue diagnostique. Le protocole est sérieux : 159 scénarios cliniques, des acteurs-patients validés, une comparaison randomisée en double aveugle avec des médecins généralistes, et une évaluation sur plusieurs dizaines d’axes — qualité du recueil, précision diagnostique, prise en charge, communication, empathie Tu.

Le système est jugé supérieur aux médecins sur la quasi-totalité de ces axes, y compris sur la précision diagnostique. C’est un résultat considérable, et il faut le prendre au sérieux.

Il faut aussi prendre au sérieux ce qu’il n’est pas. Les consultations étaient écrites, sur une interface de messagerie, avec des acteurs jouant des cas construits. Aucun patient réel, aucun examen physique, aucune incertitude sur ce que le patient omet parce qu’il l’a oublié plutôt que parce que le scénario ne le prévoyait pas. La différence entre un acteur qui a un cas et une personne qui a un symptôme est exactement ce que cette étude ne mesure pas.

Le résultat négatif, plus instructif que le premier

La même année, JAMA Network Open publie un essai randomisé d’une autre nature : on ne fait pas consulter le modèle, on le donne au médecin. Des internistes ont été randomisés entre ressources conventionnelles et ressources conventionnelles plus un modèle de langage, puis évalués sur des vignettes cliniques Goh.

76 %score médian avec le modèle
74 %score médian sans
p = 0,60différence non significative

Aucune amélioration. Et un détail qui vaut tout le reste : le modèle seul, sans médecin, obtenait un score supérieur à celui des deux groupes de médecins. Un outil peut donc être bon et n’apporter strictement rien, parce que la façon dont il s’insère dans le travail décide de son effet.

C’est le résultat que tout cabinet devrait avoir en tête avant d’acheter quoi que ce soit. La question utile n’est pas « ce modèle est-il performant » mais « à quel moment du parcours arrive ce qu’il produit, et qui le lit ».

Et les orienteurs de symptômes grand public ?

Ils restent mauvais, et il faut le dire clairement parce que c’est à eux que les patients pensent quand on leur parle d’IA médicale. La revue systématique de référence porte sur dix études : la précision diagnostique va de 19 à 37,9 %, la précision d’orientation de 48,8 à 90,1 %. Les auteurs concluent à un risque réel pour la sécurité des patients au vu de l’adoption croissante de ces outils Wallace.

Un outil de préparation de consultation n’appartient pas à cette catégorie, à une condition, qui est une condition de conception et pas de discours : il ne doit émettre ni hypothèse diagnostique ni niveau d’urgence à destination du patient. S’il en émet, il est un orienteur de symptômes, quel que soit son nom commercial, et la littérature ci-dessus le concerne.

La qualité de cette littérature

Elle est médiocre, et c’est une revue publiée dans JAMA Network Open qui le dit. Sur 137 études évaluant des agents conversationnels de santé, 99,3 % portent sur des modèles fermés, et la plupart ne décrivent ni les caractéristiques du modèle utilisé, ni les instructions qui lui ont été données Huo.

Conséquence pratique : une étude sur « ChatGPT » ne dit presque rien d’un produit donné, parce que ni le modèle ni le prompt ne sont les mêmes, et que ni l’un ni l’autre n’est stable dans le temps. Un fournisseur qui cite une étude générique sur un modèle grand public pour valider son produit fait une erreur de raisonnement — ou espère que vous la ferez.

Ce qu’on ne sait pas encore

Aucun essai publié ne mesure l’effet d’une anamnèse conduite par IA en salle d’attente sur la consultation qui suit, en cabinet de ville, avec des patients réels.
On ne sait pas ce que le patient omet devant une machine et dirait à un médecin — ni l’inverse, qui est plausible pour les sujets gênants.
On ne sait pas dans quelle mesure une synthèse pré-rédigée oriente le raisonnement du médecin qui la lit ; c’est le principal risque à surveiller, et il n’est pas propre à l’IA.
On ne sait pas ce que ça donne chez les patients âgés, peu à l’aise avec l’écrit, ou non francophones — la population pour laquelle le recueil est justement le plus long.

C’est ce que nous documentons cabinet par cabinet, et c’est la raison pour laquelle nous ouvrons le déploiement progressivement plutôt que d’un coup. Nous préférons une page qui liste ce qu’on ignore à une plaquette qui l’omet : sur ce sujet, un fournisseur qui n’a aucune zone d’ombre à déclarer n’a pas lu la littérature.

Sources

Chaque référence a été vérifiée sur PubMed. La phrase sous chaque entrée dit ce que l’étude a mesuré, pas ce qu’on aimerait qu’elle dise.

Tu T, Schaekermann M, Palepu A, et al. Towards conversational diagnostic artificial intelligence Nature. 2025;642(8067):442-450. PMID 40205050.Étude randomisée en double aveugle, 159 scénarios cliniques joués par des acteurs-patients en consultation écrite. Le système AMIE a été jugé supérieur aux médecins généralistes sur la quasi-totalité des axes évalués, précision diagnostique comprise — sur des patients simulés, pas sur des patients réels.Lire sur PubMed
Goh E, Gallo R, Hom J, et al. Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial JAMA Netw Open. 2024;7(10):e2440969. PMID 39466245.Médecins randomisés avec ou sans accès à un modèle de langage : score médian 76 % contre 74 %, différence non significative. Le modèle seul faisait mieux que les deux groupes de médecins — donner l’outil ne suffit pas, la façon de l’intégrer décide de tout.Lire sur PubMed
Wallace W, Chan C, Chidambaram S, et al. The diagnostic and triage accuracy of digital and online symptom checker tools: a systematic review npj Digit Med. 2022;5:118. PMID 35977992.Revue systématique de 10 études sur les orienteurs de symptômes grand public : précision diagnostique de 19 à 37,9 %, précision d’orientation de 48,8 à 90,1 %. Les auteurs concluent à un risque pour la sécurité des patients.Lire sur PubMed
Huo B, Boyle A, Marfo N, et al. Large Language Models for Chatbot Health Advice Studies: A Systematic Review JAMA Netw Open. 2025;8(2):e2457879. PMID 39903463.137 études évaluant des agents conversationnels de santé : 99,3 % portent sur des modèles fermés, et la plupart ne décrivent ni le modèle ni les instructions utilisées. Une littérature abondante et, en l’état, largement irreproductible.Lire sur PubMed

Installer Dokto dans votre salle d’attente

Laissez-nous vos coordonnées : nous vous rappelons sous 48 h ouvrées pour l’échange de trente minutes, et nous répondons par écrit aux questions de conformité avant toute décision.