Les actualités d'iamedicale.org

La promesse d'OpenEvidence, une IA spécialisée, entraînée sur des sources médicales validées, laisse supposer une supériorité sur les modèles généralistes comme ChatGPT ou Gemini. Une étude indépendante publiée dans Nature Medicine en juin 2026 invite à nuancer cette intuition¹.

Est-il autorisé d’utiliser ChatGPT avec des données patients? La réponse est tout simplement non, et ceci pour la très grande majorité des chatbots, ChatGPT, Gemini, Perpexity ou OpenEvidence. Dans cet article, nous vous présentons les principales options pour utiliser les grands modèles de langage en pratique clinique, qu'il s'agisse de données identifiantes ou anonymisées.

De plus en plus de patients utilisent ChatGPT, Gemini ou d’autres grands modèles de langage pour comprendre des symptômes, interpréter un résultat ou décider s’il faut consulter. La littérature scientifique montre que ces outils peuvent être utiles pour expliquer une maladie ou reformuler une information médicale, mais qu’ils deviennent nettement plus problématiques lorsqu’ils servent à orienter une décision clinique [1-3].

On parle beaucoup des grands modèles de langage (LLM) en médecine. Ils résument des dossiers, rédigent des courriers, proposent des hypothèses diagnostiques ou expliquent un traitement en langage patient. Le potentiel est réel. Mais l’impact clinique ne dépend pas principalement de la “puissance” du modèle. Le vrai défi est de transformer une technologie prometteuse en un outil fiable, intégré et utile au quotidien. En pratique, on observe souvent une règle empirique : 20% de l’effort concerne le modèle ; 80% concerne tout le travail sociotechnique autour.

L’utilisation croissante des agents conversationnels (chatbots) en santé mentale soulève un débat profondément divisé — entre espoir d’accès aux soins et risques éthiques majeurs. Face à des listes d’attente interminables, des millions de patients se tournent déjà vers ces outils, souvent sans encadrement, ni supervision. Mais peut-on confier sa santé mentale à une IA ?

Nous avons soumis la même question à plusieurs applications conversationnelle reposant sur un modèle de langage de grande taille, entraîné par apprentissage automatique (ChatGPT, Gemini, Perplexity, OpenEvidence, Euria et Lumo). L’idée n’est pas de « piéger » un outil, mais d’observer comment chacun se comporte face à une demande typique de la pratique médicale : donner une cible thérapeutique précise (ici le LDL-cholestérol chez un patient coronarien) et citer ses sources.