L'IA de Microsoft diagnostique deux fois mieux que les médecins ?

Un patient, du gel hydroalcoolique et une question

Un homme est hospitalisé pour un sevrage alcoolique, et son état se dégrade. Une IA, le modèle o3 d'OpenAI utilisé tel quel, soupçonne une toxicité des antibiotiques. Elle commande une IRM cérébrale et un électroencéphalogramme, puis se trompe. Facture simulée : 3 431 dollars.

Le système de Microsoft envisage, dès le premier tour, une intoxication survenue à l'hôpital. Avant tout examen, il pose une question au patient : a-t-il bu du gel hydroalcoolique ? Le patient avoue. Un dosage ciblé confirme, pour 795 dollars.

Ce cas figure dans la première version de l'étude, mise en ligne sur arXiv en juin 2025. Il montre ce que Microsoft cherche à mesurer : pas une réponse à un QCM, mais un médecin, humain ou machine, qui part de trois lignes, pose des questions, demande les examens un par un et paie chacun. L'équipe appelle ça le diagnostic séquentiel.

Le chiffre qui circule

Le 22 octobre, ce travail est paru dans la revue Science, cosigné notamment par Mustafa Suleyman, le patron de Microsoft AI. Le résumé de l'article donne le chiffre repris partout : le système, baptisé MAI-DxO, trouve le bon diagnostic dans 83,2 % des cas tirés du New England Journal of Medicine (NEJM), contre 36,1 % pour des médecins généralistes.

Suleyman y voit, auprès de TechCrunch, un pas vers la « superintelligence médicale ». D'après TechCrunch, Microsoft la définit dans un texte publié en parallèle comme la capacité à surpasser les systèmes de santé humains les plus performants. Retiens le mot : des systèmes de santé. Pas un médecin.

Qui étaient les médecins

Le résumé de Science dit « généralistes ». TechCrunch précise : des médecins de premier recours et des internistes généralistes, travaillant chacun de leur côté. Dans la version 2025, ils étaient 21, dont 17 en médecine de premier recours, avec une douzaine d'années d'expérience en médiane. Combien en 2026 ? Le billet de Microsoft ne le dit pas, et nous n'avons pas pu consulter le texte intégral de Science.

Les cas, eux, sont des conférences clinico-pathologiques du NEJM : des énigmes cliniques publiées pour l'enseignement, que les auteurs disaient choisies pour leur difficulté et leur valeur pédagogique. Face à un cancer qu'il n'arrive pas à nommer, un généraliste adresse son patient à un oncologue. Ce sont les auteurs qui le rappelaient en 2025, en notant que leurs participants auraient sans doute orienté les cas les plus complexes vers des spécialistes. Les spécialistes ne font pas partie de la comparaison.

Le test ressemble à une finale de quiz pour experts où l'on n'aurait invité que des candidats de culture générale. Le score dit vrai, mais il dit surtout qui était sur le plateau.

Avec ou sans bibliothèque

La nouveauté de la version Science se lit dans le billet de Microsoft. Sans ressources externes, les médecins obtiennent 22 %. Avec des manuels et internet, 36 %. Microsoft en tire deux rapports : l'IA serait 3,7 fois plus précise dans le premier cas, 2,3 fois dans le second.

En 2025, seule la version la plus dure existait. Les médecins avaient pour consigne de n'utiliser ni moteur de recherche, ni IA, ni source en ligne, parce que les cas du NEJM sont consultables sur le web. Ils plafonnaient à 19,9 %, et le résumé de l'époque annonçait une IA quatre fois meilleure. Rendre aux médecins une partie de leurs outils a fait passer ce rapport de près de quatre à un peu plus de deux.

Le billet ne dit pas s'ils pouvaient demander l'avis d'un confrère, ce qui est pourtant le premier réflexe face à un cas difficile.

Ce que fait vraiment l'orchestrateur

MAI-DxO n'est pas un modèle d'IA. C'est un orchestrateur : il fait jouer à un modèle de langage plusieurs médecins virtuels qui proposent des hypothèses, choisissent les examens et se contredisent. Microsoft l'a testé sur des modèles d'OpenAI, Google, Anthropic, Meta et DeepSeek.

Or, selon les chiffres de l'étude rapportés par TechCrunch, GPT-5 seul, avec une consigne courte, atteint déjà 78,9 % sur les cas complexes. L'orchestrateur ajoute environ quatre points et réduit la facture d'environ 3 000 dollars. La version 2025 disait la même chose avec o3 : 78,6 % seul, 81,9 % orchestré. Avec ces modèles-là, l'essentiel de l'écart avec les médecins vient donc du modèle d'OpenAI, pas de la couche ajoutée par Microsoft.

Le tableau change avec d'autres modèles. Toujours selon TechCrunch, GPT-5.5 passe de 72 % seul à près de 87 % avec l'orchestrateur, et Gemini 2.5 Flash de 46,4 % à près de 69 %. L'apport de Microsoft existe, mais il va de quatre à plus de vingt points selon le moteur sur lequel on le pose : un copilote, pas le pilote.

Des examens, pas des serveurs

TechCrunch chiffre le passage de GPT-5 seul à environ 8 400 dollars par cas, et le présente comme le coût de faire tourner l'IA. Ce n'est pas ce que décrit Microsoft. Son billet parle de coûts d'examens estimés. Chaque consultation et chaque analyse demandée au patient virtuel s'ajoutent à une facture fictive, calculée en 2025 à partir de la grille de prix d'un système de santé américain. Le calcul informatique, lui, revenait alors à une quinzaine de centimes par cas.

Les urgences, et ce qui reste à prouver

Science ajoute un second terrain, plus proche du quotidien : des admissions aux urgences tirées de MIMIC-IV-ED, une base de données hospitalières américaine. Là, l'IA reste nettement devant : 80,3 % contre 46,8 % pour les médecins, selon le résumé. Mais d'après TechCrunch, l'orchestrateur n'y apporte presque rien par rapport au modèle seul, ni en exactitude ni en coût. Avec GPT-5.5, les deux versions tournent autour de 85 %.

Le résumé de Science prend lui-même une précaution : ces résultats ont été obtenus dans un cadre de test contrôlé. En 2025, les auteurs détaillaient ce que ce cadre ne voit pas. Aucun patient en bonne santé parmi les cas, donc aucun moyen de mesurer les fausses alertes. Et quand un examen demandé ne figurait pas dans le cas publié, un modèle inventait un résultat plausible.

La vraie épreuve est annoncée avec le Beth Israel Deaconess Medical Center de Boston. Des patients consentants y seront pris en charge normalement tout en échangeant avec le système, dont les recommandations seront comparées à celles des médecins.

La question que posaient les auteurs

En 2025, l'équipe de Microsoft terminait sa discussion par une question franche : faut-il comparer ces systèmes à des médecins pris un par un, ou à des équipes entières de généralistes et de spécialistes, comme dans un hôpital ? Sa propre définition de la superintelligence médicale y répond : c'est aux systèmes de santé qu'il faudra se mesurer. L'étude publiée dans Science ne l'a pas encore fait.