L'adoption est massive et durable. Les utilisateurs actifs mensuels sont passés de 355 à plus de 703 000, et 90 % d'entre eux reviennent d'un mois à l'autre. Il ne s'agit plus d'expérimentation, mais d'un outil de travail quotidien, utilisé en priorité par les médecins en début de carrière, les internistes et les médecins de famille.

Le contenu des requêtes surprend. Les médecins interrogent l'IA surtout pour traiter (33,1 % des questions) et bien moins pour diagnostiquer (13,9 %). Or la plupart des évaluations publiées portent sur le diagnostic et les examens de type USMLE : la fiabilité de ces outils sur le choix d'un traitement ou d'une posologie, qui constitue l'essentiel de l'usage réel, reste largement inconnue.

Autre constat : 35 % à 88 % des questions, selon les spécialités, sortent du domaine du médecin. L'IA est donc souvent sollicitée là où sa réponse est la plus difficile à contrôler, ce qui accroît le risque de biais d'automatisation, c'est-à-dire la tendance à suivre la machine même lorsqu'elle se trompe.

L'éditorial qui accompagne l'étude apporte deux mises en garde. Une citation ne vaut pas validation : la présence d'une référence ne garantit ni sa bonne interprétation, ni son application au patient concerné. Et l'usage très élevé chez les jeunes médecins pose une question encore sans réponse : ces synthèses renforcent-elles l'apprentissage ou court-circuitent-elles l'effort qui forge le raisonnement clinique ?

L'étude a ses limites. Elle décrit un usage, sans mesurer l'exactitude des réponses ni l'effet sur les patients. Trois de ses auteurs sont salariés d'OpenEvidence, et le JAMA Network concède lui-même des licences de contenu à la plateforme.

Pour le médecin suisse, la leçon est double : vérifier dans les sources citées toute réponse qui oriente un traitement, d'autant plus que la question s'éloigne de sa pratique, et ne jamais saisir de données permettant d'identifier un patient. L'enjeu, concluent les éditeurs du JAMA, n'est pas un accès plus facile à l'information, mais une meilleure capacité à comprendre, évaluer et appliquer les preuves.

Messages à retenir

• L'IA est devenue un outil de travail quotidien : plus de 950 000 cliniciens américains, 271 millions de requêtes en deux ans et demi, et 90 % des utilisateurs qui reviennent d'un mois à l'autre.
• Les médecins l'interrogent surtout pour traiter (33,1 % des requêtes) plutôt que pour diagnostiquer (13,9 %), alors que sa fiabilité sur les questions thérapeutiques est la moins évaluée.
• Les questions hors spécialité sont fréquentes, de 35 % à 88 % selon les disciplines : plus le domaine est éloigné de sa pratique, plus la vigilance doit être grande face au biais d'automatisation.
• Une citation ne vaut pas validation : il faut ouvrir la source et vérifier qu'elle dit bien ce que l'IA lui prête et qu'elle s'applique au patient.
• L'usage ne prouve pas le bénéfice : l'étude ne mesure ni l'exactitude des réponses ni l'effet sur les patients, et ses liens avec OpenEvidence doivent être pris en compte.
• L'effet de ces outils sur l'apprentissage des jeunes médecins reste inconnu.
• En Suisse, aucune donnée permettant d'identifier un patient ne doit être saisie dans OpenEvidence.

Jean Gabriel Jeannot, le 16.10.2026

Références

Patel VR et al. Clinician Use of an Artificial Intelligence–Enabled Clinical Information Platform. JAMA. 15 octobre 2026. doi:10.1001/jama.2026.21868

Khera R, Bibbins-Domingo K, Ross JS. Engaging With Medical Evidence in the Age of AI. JAMA. 15 octobre 2026. doi:10.1001/jama.2026.21894