Les outils d\u2019intelligence artificielle con\u00e7us sp\u00e9cifiquement pour un usage m\u00e9dical commencent \u00e0 s\u2019imposer dans la pratique clinique, mais leur \u00e9valuation ind\u00e9pendante reste rare. Une analyse r\u00e9cente a compar\u00e9 deux de ces outils, OpenEvidence et UpToDate Expert AI, \u00e0 trois mod\u00e8les d\u2019intelligence artificielle g\u00e9n\u00e9ralistes de pointe : GPT-5.2, Gemini 3.1 Pro et Claude Opus 4.6. L\u2019\u00e9valuation s\u2019est d\u00e9roul\u00e9e en trois \u00e9tapes distinctes.<\/p>\n
La premi\u00e8re a consist\u00e9 \u00e0 soumettre 500 questions de type examen m\u00e9dical am\u00e9ricain aux mod\u00e8les pour tester leurs connaissances. Les mod\u00e8les g\u00e9n\u00e9ralistes ont obtenu de meilleurs r\u00e9sultats, avec des scores d\u00e9passant 90 % de bonnes r\u00e9ponses. Gemini a atteint 97,4 % de pr\u00e9cision, suivi de pr\u00e8s par GPT avec 94,2 %, tandis que les outils sp\u00e9cialis\u00e9s ont obtenu des scores inf\u00e9rieurs, autour de 88 \u00e0 89 %.<\/p>\n
La deuxi\u00e8me \u00e9tape a \u00e9valu\u00e9 l\u2019alignement avec les jugements cliniques \u00e0 travers 500 situations tir\u00e9es de la base HealthBench. L\u00e0 encore, les mod\u00e8les g\u00e9n\u00e9ralistes se sont distingu\u00e9s. GPT a obtenu le score le plus \u00e9lev\u00e9 avec 88 %, devant Gemini \u00e0 79,3 % et Claude \u00e0 77 %. Les outils sp\u00e9cialis\u00e9s, eux, ont obtenu des r\u00e9sultats bien moins convaincants, avec des scores inf\u00e9rieurs \u00e0 63 %.<\/p>\n
Enfin, la troisi\u00e8me \u00e9tape a impliqu\u00e9 100 requ\u00eates cliniques r\u00e9elles pos\u00e9es par des m\u00e9decins dans un environnement hospitalier. Douze cliniciens am\u00e9ricains ont \u00e9valu\u00e9 \u00e0 l\u2019aveugle les r\u00e9ponses des six mod\u00e8les, produisant 1 800 annotations. Les mod\u00e8les g\u00e9n\u00e9ralistes ont de nouveau domin\u00e9, avec des notes moyennes sup\u00e9rieures \u00e0 3,5 sur 4. Les outils sp\u00e9cialis\u00e9s et l\u2019outil d\u2019analyse de Google ont obtenu des notes inf\u00e9rieures, autour de 3,2. Les diff\u00e9rences \u00e9taient particuli\u00e8rement marqu\u00e9es en termes de clart\u00e9, o\u00f9 OpenEvidence a montr\u00e9 des faiblesses notables, avec des r\u00e9ponses parfois incompl\u00e8tes, d\u00e9sorganis\u00e9es ou peu adapt\u00e9es au public m\u00e9dical.<\/p>\n
Les outils sp\u00e9cialis\u00e9s ont \u00e9galement pr\u00e9sent\u00e9 un taux de refus plus \u00e9lev\u00e9, UpToDate refusant de r\u00e9pondre \u00e0 19 % des questions, contre seulement 1 \u00e0 3 % pour les mod\u00e8les g\u00e9n\u00e9ralistes. Aucun mod\u00e8le n\u2019a produit davantage de contenus dangereux ou d\u2019erreurs factuelles que les autres, ce qui sugg\u00e8re que la s\u00e9curit\u00e9 n\u2019est pas un point de diff\u00e9renciation majeur entre eux.<\/p>\n
Cette \u00e9tude met en lumi\u00e8re un constat surprenant : les mod\u00e8les g\u00e9n\u00e9ralistes, gr\u00e2ce \u00e0 leur vaste entra\u00eenement et leur alignement pouss\u00e9, surpassent les outils sp\u00e9cialis\u00e9s dans des t\u00e2ches m\u00e9dicales vari\u00e9es. Leur capacit\u00e9 \u00e0 raisonner et \u00e0 int\u00e9grer des connaissances g\u00e9n\u00e9rales semble compenser, voire d\u00e9passer, l\u2019avantage suppos\u00e9 d\u2019une sp\u00e9cialisation m\u00e9dicale. Les outils d\u00e9di\u00e9s, bien que con\u00e7us pour un usage clinique, peinent \u00e0 rivaliser avec la polyvalence et la pr\u00e9cision des mod\u00e8les les plus avanc\u00e9s.<\/p>\n
Les r\u00e9sultats soulignent \u00e9galement l\u2019importance d\u2019une \u00e9valuation rigoureuse et ind\u00e9pendante avant l\u2019adoption de ces technologies en milieu m\u00e9dical. Les benchmarks traditionnels, souvent cr\u00e9\u00e9s par les m\u00eames acteurs qui d\u00e9veloppent les mod\u00e8les, peuvent introduire des biais. L\u2019\u00e9tude a donc privil\u00e9gi\u00e9 des requ\u00eates r\u00e9elles, \u00e9valu\u00e9es par des cliniciens sans conna\u00eetre l\u2019origine des r\u00e9ponses, pour garantir une comparaison objective.<\/p>\n
Les mod\u00e8les g\u00e9n\u00e9ralistes pourraient ainsi repr\u00e9senter une solution plus efficace pour des t\u00e2ches cliniques courantes, tandis que les outils sp\u00e9cialis\u00e9s pourraient trouver leur utilit\u00e9 dans des domaines tr\u00e8s pointus ou des contextes n\u00e9cessitant une int\u00e9gration pouss\u00e9e avec des syst\u00e8mes hospitaliers sp\u00e9cifiques. Cependant, leur sup\u00e9riorit\u00e9 actuelle n\u2019est pas garantie dans le temps, car l\u2019\u00e9volution rapide de ces technologies pourrait rebattre les cartes.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s41591-026-04431-5<\/a><\/p>\n Titre\u00a0:<\/strong> General-purpose large language models outperform specialized clinical AI tools on medical benchmarks<\/p>\n Revue : <\/strong> Nature Medicine<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Krithik Vishwanath; Anton Alyakin; Mrigayu Ghosh; Ali Hage; Sean N. Neifert; Cordelia Orillac; Nataniel J. Mandelberg; Hammad A. Khan; Jin Vivian Lee; Jie J. Yao; William Robert Small; Aakaash Varma; D. Brock Hewitt; Yindalon Aphinyanaphongs; Daniel Alexander Alber; Eric Karl Oermann<\/p>\n","protected":false},"excerpt":{"rendered":" Les mod\u00e8les d\u2019intelligence artificielle g\u00e9n\u00e9ralistes surpassent les outils sp\u00e9cialis\u00e9s en m\u00e9decine Les outils d\u2019intelligence artificielle con\u00e7us sp\u00e9cifiquement pour un usage m\u00e9dical commencent \u00e0 s\u2019imposer dans la pratique clinique, mais leur \u00e9valuation ind\u00e9pendante reste rare. Une analyse r\u00e9cente a compar\u00e9 deux de ces outils, OpenEvidence et UpToDate Expert AI, \u00e0 trois mod\u00e8les d\u2019intelligence artificielle g\u00e9n\u00e9ralistes de… Poursuivre la lecture Les mod\u00e8les d\u2019intelligence artificielle g\u00e9n\u00e9ralistes surpassent les outils sp\u00e9cialis\u00e9s en m\u00e9decine<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6,2],"tags":[],"class_list":["post-61","post","type-post","status-publish","format-standard","hentry","category-environnement","category-sante","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/61","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/comments?post=61"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/61\/revisions"}],"predecessor-version":[{"id":62,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/61\/revisions\/62"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/media?parent=61"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/categories?post=61"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/tags?post=61"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}