L’IA généraliste prend l’avantage sur l’IA clinique spécialisée

Les grands modèles linguistiques à usage général ont surpassé les outils d’IA cliniques spécialisés

Au cours des dernières années, le secteur de la santé est parti du principe que l’IA spécialement conçue pour la médecine serait naturellement plus performante que l’IA à usage général. Cette hypothèse mérite désormais d’être réexaminée de plus près. Une nouvelle étude publiée dans *Nature Medicine* a révélé que les principaux modèles linguistiques à grande échelle à usage général obtenaient systématiquement de meilleurs résultats que les systèmes d’IA cliniques spécialisés lors de plusieurs évaluations médicales importantes.

Cela est important car les établissements de santé ont investi massivement dans des produits d’IA spécialement conçus à cet effet. On s’attendait à ce qu’un apprentissage spécifique à un domaine donné permette d’obtenir un meilleur raisonnement clinique, des connaissances médicales plus précises et un soutien plus efficace pour les médecins. Lors de plusieurs évaluations indépendantes, les modèles de pointe les plus récents ont démontré de meilleures performances, bien qu’ils aient été conçus pour un éventail de tâches beaucoup plus large.

L’évaluation s’est avérée exhaustive, plutôt que de se fonder sur un seul critère de référence. Les chercheurs ont mesuré les connaissances médicales à l’aide de questions inspirées de l’examen américain d’obtention du permis d’exercer la médecine (US Medical Licensing Examination), ont évalué dans quelle mesure les réponses fournies par l’IA correspondaient à celles d’experts cliniciens, et ont analysé les réponses apportées à de véritables questions cliniques soumises par des médecins. Les excellents résultats obtenus dans ces trois domaines indiquent que la dernière génération de modèles polyvalents est de plus en plus capable de traiter des informations médicales complexes.

Pour les dirigeants, cela modifie la manière dont la stratégie en matière d’IA doit être évaluée. Au lieu de partir du principe que l’image de marque propre à un secteur donné est synonyme de meilleurs résultats, les organisations devraient se concentrer sur des performances mesurées de manière indépendante. Le rythme des progrès en matière d’IA à usage général est exceptionnellement rapide, car ces modèles bénéficient d’investissements continus, de tests approfondis et d’un déploiement à grande échelle dans de nombreux secteurs. Cette dynamique peut également se traduire par des améliorations rapides pour les applications dans le domaine de la santé.

L’étude publiée dans *Nature Medicine* a comparé les modèles GPT-5.2, Gemini 3.1 Pro et Claude Opus 4.6 aux systèmes d’IA cliniques spécialisés OpenEvidence et UpToDate Expert AI. Les chercheurs ont testé ces modèles à l’aide de 500 questions MedQA inspirées de l’examen américain d’obtention du permis d’exercer la médecine, de 500 items d’évaluation HealthBench et de 100 requêtes cliniques réelles examinées dans le cadre d’une évaluation randomisée et en aveugle menée par 12 cliniciens.

Les résultats des tests de performance ont systématiquement donné l’avantage aux modèles d’IA à usage général

Le résultat le plus significatif n’était pas qu’un modèle polyvalent ait remporté un test de performance. Il résidait plutôt dans le fait que ces modèles ont obtenu de meilleurs résultats dans toutes les évaluations majeures. La cohérence est bien plus importante qu’un succès ponctuel, en particulier dans le domaine de la santé, où la fiabilité influe directement sur la prise de décision clinique.

Dans l’évaluation des connaissances médicales, Gemini 3.1 Pro a atteint une précision de 97,4 %. GPT-5.2 suit avec 94,2 %, tandis que Claude Opus 4.6 a atteint 90,2 %. Les systèmes spécialisés, OpenEvidence et UpToDate Expert AI, ont obtenu respectivement 89,6 % et 88,4 %. Bien que ces écarts puissent paraître modestes à première vue, ils deviennent significatifs lorsqu’ils s’appliquent à des milliers, voire des millions d’interactions cliniques.

Cette tendance s’est confirmée lors de l’évaluation HealthBench, qui mesure dans quelle mesure les réponses fournies par l’IA correspondent au jugement clinique d’un expert, plutôt que de se contenter d’identifier la bonne réponse. GPT-5.2 a obtenu un score de 88 sur 100. Gemini 3.1 Pro a obtenu un score de 79,3, et Claude Opus 4.6, un score de 77. OpenEvidence a obtenu un score de 62,6, tandis qu’UpToDate Expert AI a obtenu un score de 61,3. Cet écart suggère que les modèles de pointe actuels communiquent les recommandations cliniques d’une manière qui reflète davantage le raisonnement médical des experts.

Les chercheurs ont également évalué les modèles à l’aide de 100 requêtes cliniques réelles recueillies auprès de médecins. Deux groupes distincts se sont alors clairement dégagés en termes de performances. Les trois modèles à usage général ont systématiquement constitué le groupe le plus performant, tandis que les systèmes d’IA cliniques spécialisés formaient le groupe le moins performant. OpenEvidence et UpToDate Expert AI ont affiché des performances à peu près équivalentes à celles de l’IA Overview de Google dans cette évaluation en conditions réelles.

Pour les dirigeants d’entreprise, cela vient renforcer un principe important. Les décisions d’achat doivent être guidées par des résultats mesurables plutôt que par le positionnement des produits. L’IA spécialisée dans le domaine de la santé peut certes offrir des avantages en matière d’intégration dans les flux de travail, de conformité réglementaire, de documentation ou d’accompagnement des entreprises. Toutefois, si l’objectif est d’obtenir un raisonnement et des connaissances cliniques de la plus haute qualité, les performances issues de tests comparatifs indépendants doivent peser lourdement dans les décisions d’investissement.

Ces chiffres soulignent également la rapidité avec laquelle l’IA de pointe progresse. Les organisations qui évaluent aujourd’hui des plateformes d’IA doivent s’attendre à ce que les performances de pointe évoluent rapidement à mesure que de nouveaux modèles de base sont mis sur le marché. Les stratégies d’achat qui restent flexibles et axées sur des critères de référence seront mieux placées que celles qui reposent uniquement sur des hypothèses de spécialisation.

Le manque de transparence concernant les modèles d’IA cliniques propriétaires rend la validation indépendante plus difficile

Les performances ne constituent qu’un aspect de la décision. La transparence revêt une importance tout aussi grande, en particulier dans le domaine de la santé. L’étude met en évidence un défi majeur lié à de nombreux produits d’IA clinique propriétaires : les professionnels de santé n’ont souvent qu’une très faible visibilité sur la manière dont ces systèmes sont conçus ou validés.

Selon les chercheurs, les entreprises à l’origine d’outils d’IA cliniques spécialisés ne divulguent généralement pas l’architecture de leurs modèles, les modèles de base sur lesquels ils s’appuient, ni les détails de leurs processus d’apprentissage. De ce fait, les hôpitaux et les cliniciens doivent évaluer ces produits sans comprendre pleinement comment ils ont été développés ni pourquoi ils fonctionnent ainsi.

Cela pose des défis concrets aux organismes chargés de la sécurité des patients. Les responsables du secteur de la santé doivent déterminer si un système d’IA est fiable, s’il produit des résultats cohérents dans différentes situations cliniques et si ses affirmations s’appuient sur des preuves indépendantes. Lorsque les informations techniques font défaut, ces évaluations reposent davantage sur les informations fournies par les fournisseurs que sur une validation externe.

La question va au-delà des performances techniques. Les autorités de régulation, les équipes chargées de la conformité et les comités de gouvernance clinique attendent de plus en plus des organisations qu’elles maîtrisent les systèmes qu’elles déploient. À mesure que l’IA s’intègre aux flux de travail cliniques courants, la transparence facilite la gestion des risques, les décisions d’achat et la responsabilité à long terme. Les produits qui ne peuvent pas faire l’objet d’une évaluation indépendante risquent d’être soumis à un examen plus minutieux à mesure que les normes de gouvernance continuent d’évoluer.

Pour les dirigeants, cela fait évoluer le débat : il ne s’agit plus simplement de se demander si un outil d’IA fonctionne, mais de déterminer dans quelle mesure l’on peut vérifier ses performances avec certitude. Les tests comparatifs indépendants, les travaux de recherche publiés et les évaluations reproductibles prennent de plus en plus d’importance lorsqu’il s’agit de comparer des plateformes d’IA concurrentes.

L’étude publiée dans *Nature Medicine* souligne notamment que les systèmes d’IA cliniques propriétaires évalués ne divulguent pas publiquement leurs architectures, leurs modèles de base ni leurs processus d’apprentissage. Les chercheurs font valoir que cela limite l’évaluation indépendante tant de leurs avantages annoncés que de leur sécurité.

Ces résultats plaident en faveur d’une combinaison de l’IA à usage général et de modèles spécifiques à chaque hôpital, plutôt que de s’en tenir à une approche unique

Les chercheurs ne préconisent pas que les établissements de santé renoncent à l’IA clinique spécialisée. Leur recommandation est plus nuancée. Ils suggèrent de combiner les atouts des modèles polyvalents de pointe avec des systèmes d’IA développés à partir des connaissances et des données propres à chaque hôpital.

Cette approche tient compte du fait que les différents systèmes d’IA répondent à des objectifs distincts. Les modèles à usage général continuent de s’améliorer rapidement et donnent de bons résultats dans un large éventail de tâches de raisonnement médical. Parallèlement, les modèles spécifiques à un établissement hospitalier peuvent intégrer des recommandations cliniques locales, des protocoles de prise en charge, des procédures opérationnelles et des politiques organisationnelles que les modèles généraux ne peuvent pas pleinement prendre en compte par eux-mêmes.

Pour les professionnels de santé, cela offre une voie pratique à suivre. Les modèles à usage général peuvent faciliter les activités présentant moins de risques, telles que la rédaction de documents, la synthèse d’informations ou l’aide aux tâches administratives. Les décisions cliniques plus sensibles peuvent quant à elles bénéficier de modèles adaptés aux normes et aux processus de gouvernance propres à chaque établissement.

Cette stratégie offre également une plus grande flexibilité. Les établissements de santé ne sont pas liés à un seul fournisseur ou à une seule pile technologique. À mesure que les modèles de pointe continuent de s’améliorer, les établissements peuvent mettre à jour les modèles de base sous-jacents tout en préservant les connaissances locales, les mesures de sécurité et les flux de travail qui confèrent à leurs systèmes d’IA leur pertinence clinique.

Pour les dirigeants d’entreprise, il s’agit là d’un enjeu stratégique majeur. L’IA doit être considérée comme une capacité en constante évolution plutôt que comme l’achat d’un produit figé. La mise en place d’une architecture permettant à plusieurs modèles de fonctionner conjointement peut réduire la dépendance vis-à-vis de fournisseurs individuels, accélérer l’adoption des avancées futures et renforcer la résilience à long terme, alors que tant la technologie que la réglementation continuent d’évoluer.

Les chercheurs concluent que les outils d’IA cliniques spécialisés peuvent tout de même bénéficier d’une légitimité institutionnelle et convenir à une utilisation clinique courante. Toutefois, sur la base de leurs conclusions, ils recommandent de développer des modèles linguistiques de grande envergure spécifiques à chaque établissement hospitalier, qui exploitent les données institutionnelles, tout en recourant à des modèles généraux de pointe pour les tâches moins sensibles.

Les investissements dans l’IA clinique spécialisée continuent de progresser

Le marché de l’IA clinique reste très dynamique. Les investisseurs continuent d’injecter des capitaux considérables dans les entreprises qui développent des produits d’IA spécifiques au secteur de la santé, alors même que des études indépendantes soulèvent des questions quant à savoir si ces systèmes surpassent systématiquement les derniers modèles à usage général. Cela témoigne de la confiance dans le fait que l’IA spécialisée peut apporter une valeur ajoutée allant au-delà de la simple performance par rapport aux indices de référence.

OpenEvidence illustre cette tendance. En début d’année, l’entreprise a levé 250 millions de dollars lors d’un tour de table de série D à huis clos, portant sa valorisation à 12 milliards de dollars. Depuis lors, elle a enrichi sa plateforme de nouvelles fonctionnalités, notamment la télésanté audio, le codage médical assisté par IA, l’aide à la prescription et des outils de hiérarchisation des patients. Ces ajouts montrent que les entreprises spécialisées dans l’IA appliquée à la santé se font de plus en plus concurrence en proposant des flux de travail cliniques intégrés plutôt que des modèles linguistiques autonomes.

Pour les dirigeants du secteur de la santé, cette distinction est importante. Un modèle linguistique ne constitue qu’un élément parmi d’autres d’une solution de santé d’entreprise. Les hôpitaux évaluent également dans quelle mesure une plateforme s’intègre aux dossiers médicaux électroniques, protège les données des patients, facilite la conformité réglementaire, gère les autorisations des utilisateurs et s’intègre aux processus cliniques existants. Ces capacités opérationnelles peuvent influencer les décisions d’achat, même si un autre modèle obtient de meilleurs résultats aux tests de performance.

Par ailleurs, l’étude suggère que les organisations devraient distinguer, lors de leurs achats, les capacités de la plateforme des performances du modèle sous-jacent. Un produit peut en effet offrir une excellente intégration dans les flux de travail tout en s’appuyant sur un modèle d’IA qui n’est plus à la pointe de la technologie. Évaluer ces aspects de manière indépendante permet aux organisations de prendre des décisions d’investissement plus éclairées et d’éviter de partir du principe qu’une plateforme spécialisée garantit automatiquement un raisonnement clinique de qualité supérieure.

Plus généralement, cela signifie que la concurrence dans le domaine de l’IA appliquée aux soins de santé entre dans une nouvelle phase. La réussite dépendra probablement de la combinaison de modèles de base hautement performants avec des logiciels d’entreprise robustes, une gouvernance fiable, une sécurité optimale et une intégration clinique transparente. Les organisations qui réévalueront en permanence ces deux aspects seront mieux placées à mesure que les capacités de l’IA continueront d’évoluer.

Au début de cette année, OpenEvidence a levé 250 millions de dollars lors d’un tour de table de série D à huis clos, atteignant ainsi une valorisation de 12 milliards de dollars. À la suite de ce financement, l’entreprise a élargi son portefeuille de produits en y ajoutant des fonctionnalités de télésanté audio, de codage par IA, d’aide à la prescription et de hiérarchisation des patients. Ces développements soulignent la confiance persistante des investisseurs dans les plateformes d’IA cliniques spécialisées, alors même que des tests comparatifs indépendants montrent que les principaux modèles à usage général les surpassent actuellement dans plusieurs évaluations médicales.

Principaux enseignements pour les décideurs

• Privilégiez les performances avérées plutôt que la spécialisation : des tests indépendants ont montré que les principaux modèles d’IA à usage général surpassaient les IA cliniques spécialisées en matière de connaissances médicales, de raisonnement clinique et de requêtes réelles formulées par des médecins. Les dirigeants devraient fonder leurs décisions d’adoption de l’IA sur des résultats validés plutôt que de partir du principe que les outils spécifiques au secteur de la santé sont intrinsèquement supérieurs.
• Évaluez les performances de l’IA avant de prendre des engagements à long terme : l’écart de performances s’est confirmé lors de multiples évaluations, ce qui suggère que des tests de performance réguliers et indépendants devraient faire partie intégrante des processus d’acquisition et de gouvernance de l’IA. Cela permet de garantir que les organisations investissent dans des modèles qui continuent à fournir les meilleurs résultats à mesure que la technologie évolue.
• Intégrez la transparence dans le processus de sélection des fournisseurs : les systèmes d’IA clinique propriétaires offrent souvent une visibilité limitée sur leurs architectures et leurs méthodes d’apprentissage, ce qui rend la validation indépendante plus difficile. Les dirigeants devraient privilégier les fournisseurs qui favorisent une évaluation rigoureuse, en s’appuyant sur des données publiées et une documentation claire, afin de renforcer la gouvernance et de réduire les risques.
• Élaborer une stratégie hybride flexible en matière d’IA : l’étude recommande d’associer des modèles polyvalents très performants à une IA spécifique à chaque établissement hospitalier, développée à partir des données de celui-ci. Cette approche permet aux établissements de tirer parti des progrès rapides réalisés dans le domaine des modèles de base tout en préservant les normes cliniques locales, la gouvernance et la sécurité des patients.
• Distinguer la valeur de la plateforme de la performance du modèle : une intégration solide dans les flux de travail, la sécurité et la conformité restent des facteurs de différenciation importants pour l’IA dans le secteur de la santé d’entreprise, mais ils ne doivent pas être confondus avec la qualité du modèle. Les dirigeants doivent évaluer séparément le modèle d’IA sous-jacent et la plateforme qui l’entoure afin de réaliser de meilleurs investissements technologiques à long terme.