Blog
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.
Ce test à une valeur limitée puisqu’il se base sur une seule question. Il a été effectué en décembre 2025. Les commentaires rédigés pour évaluer chacune de ces réponses sont éminemment subjectifs.
La question posée à tous les modèles de langage (strictement identique)
« Agis comme un cardiologue, spécialiste de l’hypercholestérolémie. Pour l’un de mes patients présentant une maladie coronarienne sans facteurs de risque cardiovasculaires connus, je souhaite connaître l’objectif à atteindre pour le LDL-cholestérol selon les recommandations les plus récentes des sociétés savantes, y compris suisses. Donne-moi la valeur cible du LDL-cholestérol en mmol/L et indique la ou les sources sur lesquelles repose ta réponse. Réponds de façon synthétique. »
Les réponses des LLM
Vous trouverez par ce lien un document PDF avec l'ensemble des réponses. Ce document est intéressant à parcourir car il montre les différentes réponses des LLM. Il faut cependant admettre que sa lecture est un peu laborieuse....
Commentaires
- ChatGPT 5.2 (Auto) : valeur cible correcte, formulation synthétique, référence suisse de faible qualité.
- ChatGPT 5.2 (Auto) avec le GPT « Clinical Medicine Handbook » : valeur cible correcte, formulation synthétique, références correctes. Conclusion, l’utlisation du GPT «Clinical Medicine Handbook» génère une réponse de meilleure qualité.
- Gemin 3 (Rapide) : valeur cible correcte, formulation synthétique, références correctes.
- Perpexity : valeur cible correcte, formulation synthétique, références correctes. Perplexity cite ses sources pour chaque élément présent dans sa réponse.
- OpenEvidence : valeur cible correcte, formulation synthétique, références correctes.
- Euria (Automatique) : valeur cible correcte, formulation très synthétique, références correctes.
- Lumo : valeur cible correcte, formulation très synthétique, références correctes.
Et le gagnant est...
La question était précise, simple, mais il faut retenir que toutes les plateformes donnent la bonne réponse.
- Dans cet exemple ChatGPT est meilleur lorsque l’on utilise un GPT « médical ». La réponse de ChatGPT avec le GPT le GPT « Clinical Medicine Handbook » est correcte, synthétique et agréable à lire.
- Elément intéressant, Gemini cite les dernières recommandations « mise à jour ciblée de2025 » mais la réponse est moins agréable à lire.
- Perplexity, une réponse claire, synthétique, référencée.
- OpenEvidence, une réponse claire, un peu plus développée, référencée.
- Euria, une réponse claire, synthétique, référencée.
- Lumo, une réponse claire, synthétique, référencée. Il est intéressant de noter la prudence de la réponse de Lumo « il serait prudent de vérifier les dernières publications ou de consulter le site officiel de chaque société »
Nos recommandations
Mais nous sommes ouverts à la critique ;-)
Pour les questions médicales: 1. OpenEvidence 2. Perplexity 3. Euria ou Lumo
Pour les autres: 1. Euria ou Lumo 2. Perplexity 3. ChatGPT, Gemini ou Claude
Jean Gabriel Jeannot, le 08.01.2026