IA et santé en 2026 : où en est vraiment le diagnostic médical assisté par intelligence artificielle ?

Loin des chatbots grand public qui occupent l'essentiel de l'actualité de l'intelligence artificielle, un autre champ d'application progresse discrètement mais massivement depuis plusieurs années : la santé. En 2026, plus de 1 600 dispositifs médicaux intégrant de l'intelligence artificielle sont désormais autorisés à la commercialisation aux États-Unis par la FDA, l'agence américaine du médicament, contre une poignée seulement une décennie plus tôt. Ce chiffre impressionnant cache toutefois une réalité plus nuancée sur ce que ces outils font vraiment, et sur les limites qu'ils n'ont pas encore franchies.

Une croissance portée massivement par la radiologie

Le secteur qui concentre de très loin le plus d'autorisations est la radiologie : rien qu'en 2025, sur les 208 nouveaux dispositifs d'IA médicale autorisés par la FDA, environ 75 % concernaient ce seul domaine. Les grands fabricants d'équipement d'imagerie médicale dominent ce marché, GE HealthCare en tête avec plus d'une centaine d'autorisations, suivi par Siemens Healthineers puis Philips. Ces outils analysent des radiographies, des IRM ou des scanners pour repérer des anomalies avec une rapidité que l'œil humain ne peut égaler sur de gros volumes d'examens, un usage qui rejoint la logique d'analyse d'image déjà évoquée dans notre article sur l'IA appliquée à la photographie mobile, où les mêmes familles de modèles de vision par ordinateur sont mises à contribution, avec des enjeux évidemment très différents.

Des performances déjà très concrètes sur des tâches ciblées

Les chiffres de performance publiés pour certains algorithmes spécialisés sont impressionnants sur leur périmètre précis : environ 96 % de précision pour la détection de la rétinopathie diabétique, et une sensibilité de 90 à 92 % pour le dépistage précoce du cancer du sein sur mammographie. Ces résultats confirment que l'IA médicale fonctionne particulièrement bien sur des tâches étroites et bien définies, avec un objectif de détection clair, plutôt que sur des diagnostics généraux et complexes. La mammographie, le tri des radiographies pulmonaires et l'imagerie rétinienne figurent parmi les applications considérées comme les plus matures du secteur, avec un recul clinique désormais suffisant pour juger de leur fiabilité réelle.

Un outil d'aide à la décision, pas un médecin autonome

Un point mérite d'être répété clairement : l'écrasante majorité de ces dispositifs autorisés fonctionnent comme des outils d'aide à la décision clinique, et non comme des diagnostiqueurs pleinement autonomes. Concrètement, l'algorithme signale une anomalie potentielle ou trie les examens par priorité, mais la décision finale reste entre les mains d'un professionnel de santé qui valide, infirme ou complète l'analyse automatisée. Cette approche prudente rejoint les réserves déjà exprimées dans notre article sur les agents IA autonomes, où la question de la délégation complète d'une décision à un système automatisé reste posée avec la même prudence dans de nombreux secteurs sensibles, la santé en tête.

Au-delà de l'imagerie : le suivi et la prévention

La radiologie n'est pas le seul terrain d'application. Des innovations plus récentes élargissent le périmètre de l'IA médicale vers le suivi post-opératoire et la prévention au quotidien. Un exemple marquant de 2026 concerne un assistant de soin virtuel prescrit par un médecin, ayant obtenu une désignation de dispositif révolutionnaire de la FDA pour accompagner les patients dans leur convalescence après une opération. Cette évolution vers un suivi continu, à distance, fait écho aux tendances déjà observées dans les objets connectés de santé grand public, comme les trackers évoqués dans notre article sur les balances connectées, où la frontière entre bien-être personnel et suivi médical sérieux devient de plus en plus poreuse.

Les limites qui persistent

Malgré ces progrès réels, plusieurs limites structurelles freinent une adoption plus large. Les preuves cliniques disponibles concernent souvent des cohortes de patients spécifiques, ce qui peut limiter la fiabilité d'un algorithme lorsqu'il est appliqué à une population différente de celle sur laquelle il a été entraîné et validé. La responsabilité juridique en cas d'erreur reste également un sujet complexe, partagé entre le fabricant du logiciel, l'établissement de santé et le professionnel qui a validé le diagnostic assisté. Enfin, la question de la confidentialité des données médicales, particulièrement sensibles, impose un cadre réglementaire strict qui ralentit volontairement le rythme de déploiement de ces outils, une prudence largement justifiée compte tenu des enjeux.

Et en France et en Europe ?

Le marché européen suit une trajectoire d'adoption plus prudente que les États-Unis, encadrée par une réglementation spécifique aux dispositifs médicaux qui s'ajoute désormais aux obligations générales imposées aux systèmes d'intelligence artificielle à risque élevé. Cette double couche réglementaire, plus contraignante qu'aux États-Unis, ralentit la mise sur le marché de nouveaux outils mais vise aussi à garantir un niveau de sécurité et de transparence plus élevé pour les patients, un arbitrage entre rapidité d'innovation et prudence sanitaire qui traverse l'ensemble du débat européen sur l'intelligence artificielle.

Le rôle des grands modèles de langage en médecine

Au-delà des algorithmes spécialisés en imagerie, les grands modèles de langage génériques trouvent eux aussi une place croissante en médecine, notamment pour synthétiser des dossiers patients volumineux, rédiger des comptes rendus de consultation ou aider à la recherche documentaire scientifique. Ces usages restent distincts du diagnostic assisté par imagerie, mais participent à la même dynamique de fond : soulager le temps médical administratif pour le recentrer sur la relation directe avec le patient. Cette évolution s'inscrit dans la continuité des usages professionnels de l'IA générative déjà documentés dans notre article sur le choix d'un assistant IA pour un usage professionnel, où la fiabilité des réponses générées reste un critère absolument déterminant, plus encore lorsqu'il est question de santé que dans n'importe quel autre secteur d'activité.

Notre avis

L'intelligence artificielle appliquée à la santé n'est plus une promesse théorique en 2026 : elle est déjà massivement déployée, en particulier en radiologie, avec des performances cliniques solides sur des tâches précises. Elle reste néanmoins, et c'est heureux, un outil d'aide à la décision plutôt qu'un substitut au jugement médical humain. Les prochaines années devraient voir cette logique s'étendre à davantage de spécialités et de pays, à condition que les questions de fiabilité, de responsabilité et de confidentialité continuent d'être traitées avec la rigueur qu'elles méritent dans un domaine où l'erreur peut avoir des conséquences directes sur la santé des patients.