Professeur émérite, Université Paris Cité
Délégué Général, Fondation Université Paris Cité
Correspondance à gerard.friedlander@u-paris.fr
Introduction
Le récent numéro spécial « fertilité » de Gynéco Online réservait, sous la plume du Dr Perrot, une place à l’intelligence artificielle (IA) en imagerie mammographique. Ce choix n’a rien d’anecdotique : il illustre un mouvement de fond qui déborde largement la sénologie et la gynécologie. En quelques années, l’IA est passée du statut d’objet de recherche à celui de technologie médicale régulée, intégrée aux flux de travail cliniques quotidiens. La présente mise au point, qui prolonge une communication présentée aux journées GynFoch, se veut délibérément transversale : elle dresse un panorama pratique des usages actuels, puis examine les deux versants qui engagent le plus directement le praticien — les risques éthiques et la question de la responsabilité. Le propos ne se limite donc pas à la gynécologie ; il concerne l’ensemble des situations où un médecin est aujourd’hui susceptible de travailler avec une aide algorithmique.
Une présence clinique désormais concrète
L’IA n’est plus une promesse : elle est déjà à l’œuvre, et l’imagerie en constitue le domaine le plus mûr. En mammographie de dépistage, des algorithmes d’apprentissage profond, entraînés sur de vastes bases d’images, sont utilisés comme « second lecteur » au sein des stratégies de double lecture. Plusieurs essais européens de grande ampleur rapportent une non-infériorité, voire une supériorité, par rapport à la double lecture humaine, avec une meilleure détection de certains cancers d’intervalle et des taux de rappel stables. En traumatologie, la détection automatisée de fractures sur les radiographies et la priorisation des dossiers aux urgences réduisent les délais de compte rendu : l’IA y soutient le tri, non le diagnostic.
Au-delà de l’imagerie, le spectre des usages s’élargit rapidement. Des classifieurs dermatologiques atteignent, en conditions contrôlées, une performance de niveau expert ; des modèles de prédiction du risque, fondés sur la radiomique et les données cliniques, ouvrent la voie à des intervalles de dépistage personnalisés ; la chirurgie assistée par robot et les « jumeaux numériques » esquissent des applications plus interventionnelles. À cela s’ajoutent les grands modèles de langage, dont les usages administratifs — rédaction de comptes rendus, synthèse de dossiers, aide à la décision documentaire — pénètrent la pratique quotidienne parfois plus discrètement, mais tout aussi profondément, que les outils d’imagerie.
Des bénéfices réels, mais conditionnels
Ce tableau encourageant appelle une lecture prudente, car les bénéfices observés dépendent étroitement des conditions d’usage. Un essai contrôlé randomisé récent a montré qu’exposer des médecins à une recommandation générée par l’IA, dans des situations de tri standardisées, améliorait la conformité de leurs décisions d’environ dix-huit points, sans signe d’aggravation des biais [2]. Le signal est positif ; il n’est pas inconditionnel.
Plusieurs réserves méthodologiques s’imposent en effet. Les performances des classifieurs dermatologiques chutent en pratique réelle, et des biais documentés selon le phototype cutané rappellent que la représentativité des données d’entraînement conditionne l’équité des résultats. De même, la valeur d’un modèle de dépistage dépend étroitement de la population sur laquelle il est appliqué. À ces limites s’ajoutent des effets indésirables proprement cliniques : anxiété induite, faux positifs, cascade d’examens complémentaires. Autrement dit, la performance annoncée « en moyenne » ne préjuge pas de la performance « pour ce patient-ci, dans ce contexte-là » — et c’est précisément là que le jugement clinique demeure irremplaçable.
Un risque plus discret : désaccoutumance et dette cognitive
Un risque plus insidieux, encore mal mesuré, mérite une attention particulière : celui d’une érosion des compétences du praticien à force de s’appuyer sur l’assistance algorithmique. Une étude observationnelle multicentrique récente a mis en évidence, chez des endoscopistes expérimentés, une baisse d’environ six points du taux de détection d’adénomes lorsque l’aide algorithmique leur était retirée [1] — un signal statistiquement significatif suggérant que la performance « sans IA » se dégrade après exposition. Des travaux expérimentaux, encore préliminaires et menés hors du champ clinique, décrivent parallèlement une moindre mobilisation cognitive et une appropriation réduite du raisonnement lors du recours à des assistants conversationnels ; leur transposition à la médecine reste à établir, mais ils invitent à la vigilance.
Le message est donc nuancé : correctement intégrée, l’IA améliore certaines décisions ; mais une exposition prolongée pourrait modifier la façon même dont les décisions cliniques sont élaborées, puis consolidées. Le véritable enjeu n’est pas de choisir entre assistance et autonomie, mais de préserver les deux.
Le cadre éthique et réglementaire
Ces constats fondent quelques principes éthiques désormais consensuels : transparence et explicabilité des systèmes, maîtrise des biais et souci d’équité, traçabilité de la responsabilité et, surtout, maintien d’une supervision humaine effective. Le droit s’en est saisi. Le règlement européen sur l’intelligence artificielle (AI Act), première réglementation transversale de ce type au monde, repose sur une classification par niveau de risque ; la plupart des systèmes d’IA à visée médicale y sont rangés parmi les usages « à haut risque » [3].
À ce titre, ces systèmes sont soumis à des exigences précises : validation clinique et gestion des risques, qualité et représentativité des données d’entraînement, supervision humaine, et surveillance après mise sur le marché. S’y ajoute, en amont, le cadre de la protection des données personnelles, particulièrement sensible dès lors que l’on manipule des données de santé. Loin d’être un frein, cet appareil normatif vise à sécuriser l’adoption et à renforcer la confiance : il constitue une condition de déploiement plutôt qu’un obstacle.
L’IA recommande, le médecin décide : la responsabilité
Reste la question qui préoccupe légitimement chaque praticien : qui est responsable ? Dans son principe, la réponse est claire. L’IA fournit des recommandations, non des décisions ; le médecin en demeure juridiquement responsable. L’outil ne se substitue pas au praticien et ne le décharge pas de son obligation de moyens. Plusieurs conséquences pratiques en découlent.
D’abord, une recommandation algorithmique ne saurait justifier à elle seule une conduite : elle doit être confrontée au contexte clinique, discutée, et le cas échéant écartée, avec les mêmes exigences de raisonnement qu’une seconde lecture humaine. Ensuite, la traçabilité de la décision — ce que l’outil a proposé, ce que le praticien a retenu et pourquoi — prend une importance croissante dans la tenue du dossier. Enfin, l’information du patient sur le recours à ces outils s’inscrit dans le cadre habituel du consentement éclairé. On rappellera à cet égard que la responsabilité continue de s’apprécier à l’aune du comportement attendu d’un praticien avisé : l’existence d’une aide algorithmique ne crée, en elle-même, ni faute ni exonération.
L’enjeu central : la formation
Si un enjeu domine tous les autres, c’est celui de la formation. Or former à l’IA ne se réduit pas à apprendre à utiliser un outil. Il faut simultanément préserver la capacité à structurer un raisonnement autonome, singulièrement dans les zones d’incertitude où l’algorithme peut induire en erreur. Un jugement clinique qui s’améliore avec l’assistance mais se dégrade sans elle pose un problème d’équilibre.
Cette exigence vaut pour les étudiants en médecine, dont on doit se demander s’ils sont suffisamment sensibilisés et outillés pour progresser avec ces technologies, comme pour les médecins et les paramédicaux en exercice. Adapter la formation initiale et continue à cette réalité — apprendre avec l’IA sans désapprendre sans elle — sera sans doute le défi le plus structurant des années à venir.
Conclusion
Trois messages peuvent être retenus. L’IA augmente le praticien, elle ne le remplace pas. Les preuves sont solides en imagerie et croissantes ailleurs, mais toujours conditionnelles aux données, aux populations et aux conditions d’usage. Enfin, l’éthique et la réglementation ne sont pas des entraves, mais les conditions d’une adoption sûre. Pour le clinicien — gynécologue, sénologue ou autre — l’attitude juste n’est ni la défiance ni la délégation, mais une intégration lucide : accueillir l’assistance sans abdiquer le jugement, et faire de la formation le socle qui permet de maintenir, ensemble, l’assistance et l’autonomie.
Références
- Budzyń K, Romańczyk M, Kitala D, et al. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. Lancet Gastroenterol Hepatol. 2025;10(10):896–903.
- Goh E, Bunning B, Khoong EC, et al. Physician clinical decision modification and bias assessment in a randomized controlled trial of AI assistance. Commun Med. 2025;5:59.
- Aboy M, Minssen T, Vayena E. Navigating the EU AI Act: implications for regulated digital medical products. npj Digit Med. 2024;7:237.