L'étude d'AMIE en consultation réelle a été publiée le 8 octobre 2026 dans le journal principal de The Lancet, une première pour Google dans cette revue. AMIE est le système de recherche en diagnostic conversationnel de Google, et cette fois il ne passait pas un examen simulé : à la clinique de soins primaires du Beth Israel Deaconess Medical Center, il a recueilli l'histoire de vrais patients avant leur consultation en soins urgents.
Le déroulement de l'étude
Quatre-vingt-dix-huit patients ont dialogué par écrit avec AMIE avant leur rendez-vous, pendant que des médecins superviseurs suivaient chaque interaction en temps réel, avec des critères de sécurité prédéfinis pour interrompre un échange. Aucune conversation n'a dû être interrompue. Les listes de diagnostic différentiel d'AMIE, confrontées à la relecture des dossiers huit semaines plus tard, contenaient le diagnostic final du patient dans 90 % des cas ; resserrées aux trois premières propositions, elles atteignaient encore 75 %. Pour les cliniciens, ces synthèses n'étaient pas décoratives : ils ont déclaré qu'elles les avaient aidés à se préparer dans 75 % des cas et avaient influencé leur prise en charge dans plus de la moitié.
Les faiblesses figurent aussi au dossier
L'article ne présente pas AMIE comme un remplaçant du médecin. En évaluation en aveugle, ses plans de prise en charge ont perdu face à ceux des médecins de soins primaires sur la praticité et le rapport coût-efficacité : énumérer des maladies plausibles est la partie facile ; ordonner des étapes abordables et réalisables pour un patient précis est plus difficile. Les limites de l'étude sont également claires — un seul centre, des échanges uniquement écrits, une centaine de patients et pas de groupe témoin. Le compte rendu de Google souligne lui-même que des essais cliniques plus vastes restent nécessaires avant de juger l'IA destinée aux patients à grande échelle.
Pourquoi cette étape se distingue
La plupart des bulletins de notes de l'IA médicale de ces dernières années proviennent de banques de questions et de consultations simulées. Aussi élevés soient ces scores, ils ne répondent pas aux questions d'une vraie consultation : les patients décrivent leurs symptômes vaguement, se contredisent, et un médecin identifié répond de chaque recommandation. La valeur de ce travail ne tient pas au chiffre de 90 % lui-même, mais au fait que dispositif de supervision, critères d'arrêt et retours réels des cliniciens ont été publiés ensemble dans une étude prospective d'une revue de premier plan. Pour les décideurs hospitaliers, une question tranchante s'ajoute à toute présentation d'IA médicale : ce système a-t-il été testé dans un flux de travail réel, avec un humain capable de tout arrêter à tout moment ? Sans cette étape, un beau score de benchmark reste un résultat de laboratoire.
