Un résultat spectaculaire, mais encadré
Le nouveau système de diagnostic de Microsoft, MAI-DxO, apparaît cette semaine comme l’une des démonstrations les plus fortes du potentiel de l’IA générative en médecine. Selon l’article publié par SingularityHub le 4 novembre 2026, le système a diagnostiqué des cas médicaux complexes avec une précision plus de deux fois supérieure à celle de médecins autorisés à utiliser des références médicales, et presque quatre fois supérieure à celle de médecins travaillant sans ces ressources .
Le chiffre principal frappe les esprits: sur des cas difficiles du type New England Journal of Medicine, MAI-DxO a atteint environ 83 % de précision diagnostique, contre environ 36 % pour les médecins utilisant des références; sur des cas plus typiques d’urgences hospitalières, l’IA a atteint environ 80 %, contre environ 47 % pour les médecins . Une analyse publiée le 2 novembre chiffre le résultat des cas complexes à 83,2 % pour la configuration de MAI-DxO fondée sur GPT-5, contre 36,1 % pour des médecins généralistes utilisant des références médicales non génératives .
C’est un résultat majeur. Mais cela ne signifie pas que l’IA est désormais « meilleure que les médecins » dans toute la réalité clinique. La comparaison portait sur des médecins généralistes individuels dans un environnement simulé, textuel et contrôlé, et non sur des équipes spécialisées examinant de vrais patients, interprétant directement l’imagerie, évaluant les risques thérapeutiques et suivant l’évolution clinique .
Ce qu’est réellement MAI-DxO
MAI-DxO signifie Microsoft AI Diagnostic Orchestrator. Le mot important est « orchestrateur ». Il ne s’agit pas simplement d’un chatbot à qui l’on demande de nommer une maladie après lecture d’un dossier complet. C’est un flux de raisonnement diagnostique en plusieurs étapes, qui utilise des modèles de fondation dans des rôles comparables à ceux d’un comité médical: une partie propose des diagnostics possibles, une autre conteste les hypothèses, une autre demande quelles informations ou quels tests sont nécessaires, et une autre prend en compte le coût .
Cette architecture est essentielle, car le diagnostic médical n’est presque jamais un questionnaire à réponse unique. Un patient arrive avec des informations partielles: douleur thoracique, fatigue, fièvre, engourdissement, perte de poids, éruption cutanée ou combinaison confuse de symptômes. Le clinicien doit décider quelle question poser ensuite, quels examens sont justifiés et à quel moment les preuves suffisent pour conclure. MAI-DxO a été conçu pour modéliser ce processus séquentiel plutôt que pour recevoir tous les indices dès le départ .
Le banc d’essai utilisé, SDBench, transforme les cas en problèmes diagnostiques interactifs. Le système commence avec une information limitée, demande davantage d’anamnèse ou d’examens, reçoit de nouveaux éléments, met à jour ses hypothèses, puis finit par proposer une réponse. Il est ensuite évalué sur deux dimensions principales: a-t-il trouvé le diagnostic enregistré, et combien son cheminement a-t-il coûté .
Pourquoi « plus de deux fois mieux » est vrai, mais incomplet
La formule « plus de deux fois mieux » vient surtout de la comparaison sur les cas complexes: environ 83 % de précision pour MAI-DxO contre environ 36 % pour les médecins utilisant des ressources de référence . Mathématiquement, l’écart dépasse bien un facteur deux. Il dépasse même largement le score d’environ 22 % rapporté pour les médecins travaillant sans références externes .
Mais un ratio peut être exact tout en étant mal interprété. Ces cas ne correspondaient pas à des consultations ordinaires de médecine générale. Les cas complexes provenaient de rapports clinicopathologiques du NEJM, un format connu pour ses énigmes diagnostiques rares ou difficiles . Les médecins participants étaient des généralistes, et non des équipes multidisciplinaires réunissant infectiologues, oncologues, radiologues et autres spécialistes . Enfin, le banc d’essai mesurait le diagnostic final dans des dossiers écrits, pas la qualité globale d’une prise en charge médicale réelle .
Le jeu de données issu des urgences élargit néanmoins le résultat, car ces cas se rapprochent davantage de situations hospitalières courantes. Là encore, MAI-DxO a obtenu un score solide, autour de 80 % de précision contre environ 47 % pour les médecins . Mais l’environnement restait simulé et textuel.
L’interprétation correcte est donc précise: le système d’IA orchestré de Microsoft a nettement surpassé des médecins généralistes participants sur les bancs d’essai diagnostiques testés. Il ne prouve pas qu’une IA puisse exercer de façon autonome comme médecin.
Le coût fait partie de la percée
La précision n’est qu’une partie de l’histoire. Le système a aussi été évalué selon le coût de son parcours diagnostique. D’après l’article du 4 novembre, une configuration attentive aux coûts a maintenu près de 80 % de précision sur les cas complexes tout en dépensant environ 1 300 dollars par cas, contre plus de 4 700 dollars pour les médecins dans le même cadre d’évaluation .
Si ce résultat se confirmait dans la pratique, il pourrait être considérable. La médecine diagnostique devient coûteuse lorsque l’incertitude mène à multiplier examens biologiques, imageries, procédures et consultations spécialisées. Une IA capable d’identifier la question ou le test qui réduit le plus l’incertitude pourrait aider à éviter des investigations inutiles.
Cependant, ces chiffres sont des estimations modélisées, pas des factures hospitalières réelles ni des remboursements d’assurance. L’analyse de SXF du 2 novembre souligne que les coûts varient selon la configuration: une version très performante de MAI-DxO fondée sur GPT-5 n’était pas toujours moins chère que le groupe de médecins, tandis que les versions contraintes par le coût réduisaient davantage la dépense estimée avec une perte limitée de précision . Dans la vraie vie, la valeur économique dépendra du contexte clinique, du système de remboursement, de la disponibilité des examens, des règles de responsabilité et de la confiance des cliniciens.
L’exemple du scorbut illustre la promesse
Un exemple particulièrement parlant concerne un cas difficile de scorbut, une carence en vitamine C devenue rare dans de nombreux pays riches et donc facile à négliger. Selon le récit résumé par SingularityHub, MAI-DxO a relié des symptômes comme le saignement des gencives et la perte de dents à l’histoire alimentaire du patient, a demandé un dosage ciblé de vitamine C et a atteint le bon diagnostic pour un coût estimé à un peu plus de 1 100 dollars .
Un GPT-5 utilisé seul, en revanche, a lancé un bilan neurologique beaucoup plus large, plus coûteux et moins efficace . L’analyse de SXF présente le même exemple comme un indice que l’orchestration, et pas seulement l’intelligence brute du modèle, pourrait être l’innovation centrale: le système a posé de meilleures questions avant de dépenser davantage .
C’est sans doute l’aspect le plus intéressant pour la médecine. Les soignants n’ont pas seulement besoin de systèmes capables de réciter des maladies rares. Ils ont besoin d’outils capables de gérer l’incertitude, d’éviter de s’accrocher trop vite à une hypothèse séduisante et de recommander la prochaine preuve utile.
Ce qui n’est pas encore démontré
Les limites restent importantes. Les sources publiées cette semaine ne montrent pas que MAI-DxO améliore déjà les résultats de santé dans un véritable hôpital. Elles ne démontrent pas une réduction de la mortalité, des retards diagnostiques, des factures réelles, ni une capacité à gérer des patients sans supervision médicale. Le cycle d’actualité IA du 4 novembre traitait encore le résultat comme un repère de recherche, en mentionnant environ 83 % de précision sur 304 cas complexes du NEJM, et non comme un déploiement clinique abouti .
Le système a aussi travaillé à partir de texte. Le diagnostic réel inclut l’examen physique, l’imagerie, les hésitations du patient, les histoires contradictoires, les dossiers incomplets, les symptômes qui évoluent et la nécessité d’expliquer l’incertitude. Un patient peut refuser un examen. Un résultat peut arriver trop tard. Un signe observé au lit du malade peut ne jamais figurer dans le dossier.
Il existe aussi une question d’équité dans la comparaison. Si MAI-DxO fonctionne comme un panel virtuel, le comparateur humain devrait peut-être être une équipe clinique réelle, et non seulement des généralistes isolés. Cela n’annule pas le résultat. Cela définit la prochaine question scientifique.
Le vrai test sera l’hôpital
Microsoft a établi un partenariat avec le Beth Israel Deaconess Medical Center de Boston pour évaluer MAI-DxO dans des environnements hospitaliers, y compris l’interaction directe avec des patients et la comparaison avec les évaluations des cliniciens . C’est l’étape pertinente, car l’écart est considérable entre un banc d’essai et un outil utilisable au chevet du patient.
Le rôle le plus réaliste à court terme n’est pas « l’IA remplace le médecin ». C’est l’aide à la décision clinique: un collègue numérique qui suggère des diagnostics oubliés, recommande des étapes de vérification, signale les alternatives coûteuses et explique pourquoi un examen peut être utile ou non. Sous supervision médicale, cela pourrait être précieux, notamment dans des urgences saturées ou des systèmes de santé sous-dotés.
Mais la sécurité doit primer. Une IA diagnostique doit savoir quand se taire, quand transférer la décision, comment exposer son raisonnement, comment gérer les données manquantes et comment éviter de surtester des patients probablement en bonne santé. Elle devra être évaluée dans plusieurs populations, langues, hôpitaux et profils de maladies.
Pourquoi cette avancée compte quand même
Même avec ces réserves, MAI-DxO marque une étape significative. L’IA médicale passe ici de la réponse à des questions d’examen statiques à la navigation dans la séquence plus réaliste du diagnostic: interroger, tester, réviser, décider. Les performances rapportées sont suffisamment fortes pour que systèmes de santé, régulateurs, médecins et patients les prennent au sérieux.
La conclusion la plus juste est aussi la plus utile: l’IA médicale de Microsoft a bien surpassé des médecins par plus d’un facteur deux dans un banc d’essai diagnostique contrôlé. Elle n’a pas prouvé que les médecins étaient obsolètes. Si les futures études hospitalières confirment la tendance, la révolution ne consistera pas à remplacer les cliniciens, mais à leur donner un moyen plus rigoureux, moins coûteux et plus systématique de trouver plus tôt le bon diagnostic.