Données probantes

L'IA en médecine : ce que dit la littérature

La recherche explore comment l’IA peut soutenir le travail du médecin. Des études rapportent des bénéfices pour la documentation et explorent l'aide au raisonnement clinique. Les résultats varient selon les outils et les contextes étudiés. Voici les travaux qui éclairent notre démarche.

Notre position

Bien encadrée, l'IA aide le médecin

Le soutien administratif, la charge cognitive, le diagnostic différentiel. Voici les données, et ce que l'outil en fait.

Notre ligne tient en une phrase : l'IA suggère, le médecin décide. Les pages qui suivent montrent ce que la recherche établit, leurs résultats et leurs limites.

Terrain 1

Le temps rendu au patient

Près de 16 000 heures de documentation rendues aux médecins, dans un seul réseau.2

Le plus grand déploiement publié : plus de 7 200 médecins, 2,5 millions de rencontres, l'équivalent de près de 1 800 journées de travail économisées.1217 Le premier essai randomisé confirme la baisse du temps passé dans la note.3 Et dès les premières semaines, les milieux rapportent des baisses d'épuisement marquées, jusqu'à 63 %.4

Ce qu'AtomicMD en fait : le cœur du produit. Une dictée, et la note, les ordonnances, les formulaires du Québec et la facturation se préremplissent. Le travail administratif, allégé en une commande. Vous validez.

Terrain 2

Alléger la charge, repérer les signes d’alerte

Une revue systématique de l'AHRQ estime qu'environ un patient sur dix-huit repart de l'urgence avec une erreur diagnostique. Les taux rapportés varient selon les milieux et les méthodes.20

À l'urgence, le raisonnement clinique s'exerce sous de fortes contraintes. Les interruptions, la fatigue et la quantité d'information à traiter peuvent compliquer la prise de décision. Les diagnostics dangereux manqués sont souvent des présentations connues, vues au mauvais moment.

Ce qu'AtomicMD en fait : il décharge la mémoire de travail. Il propose les questions qui changent une conduite, rappelle les réévaluations, trie le tableau par le prochain geste utile. Des repères pour accompagner la réflexion clinique.

Terrain 3

Un second regard sur le différentiel

Dans Nature, en étude randomisée à double insu : une IA diagnostique a produit de meilleurs différentiels que des médecins de première ligne.7

159 scénarios cliniques, des patients simulés validés, 20 médecins en comparaison : le différentiel du système évalué, AMIE, en consultation textuelle, était plus précis à tous les niveaux mesurés.7 Et à l'urgence, une étude rétrospective de 2026, sur 288 rencontres sélectionnées dans neuf services d'un même système de santé, rapporte que les meilleurs modèles repèrent une large part des occasions manquées de diagnostic dans les dossiers signalés.8 Ces études portent sur les systèmes et les contextes décrits par leurs auteurs; leurs résultats ne sont pas des mesures de performance d'AtomicMD.

Ce qu'AtomicMD en fait : ce second regard, mis au service du vôtre. Pas une fenêtre de clavardage : un différentiel intégré à la note, au bon moment, pire d'abord (commun, sérieux, rare mais catastrophique), pour soutenir l'examen des hypothèses importantes et des diagnostics à ne pas manquer. Le médecin évalue ces propositions selon le contexte clinique. Vous gardez le contrôle et prenez la décision finale.

Vérifier les résultats de l'IA

Un modèle peut produire un détail inexact mais plausible, y compris en transcription.910 Mal utilisée, l'IA peut aussi induire un biais ou émousser un réflexe.1112

La littérature n'en conclut pas qu'il faut abandonner l'IA. Elle conclut qu'il faut garder le médecin aux commandes. C'est aussi ce que disent l'OMS, le Collège des médecins et l'American Medical Association, qui parle d'« intelligence augmentée » : l'IA assiste, l'humain décide.131618

Le médecin relit, corrige et approuve les propositions. Des vérifications automatiques comparent certains éléments de la note à la dictée pour aider à repérer les écarts. Elles complètent sa relecture.

Sources

Références

Sélection vérifiée (2023 à 2026). Liens revalidés avant publication.

Le soutien administratif

1Tierney AA et coll. « Ambient Artificial Intelligence Scribes to Alleviate the Burden of Clinical Documentation. » NEJM Catalyst, 2024. doi:10.1056/CAT.23.0404
2Tierney AA et coll. « Ambient AI Scribes: Learnings after 1 Year and over 2.5 Million Uses. » NEJM Catalyst, 2025. doi:10.1056/CAT.25.0040
3Lukac PJ et coll. « Ambient AI Scribes in Clinical Practice: A Randomized Trial. » NEJM AI, 2025. doi:10.1056/AIoa2501000
4Peterson Health Technology Institute. « Ambient Scribes: Evaluation. » Rapport, 2025.
17Tierney AA et coll. Déploiement à grande échelle d'un scribe IA ambiant (Kaiser Permanente). NEJM Catalyst, 2024.

La charge cognitive et la sécurité diagnostique

20AHRQ. « Diagnostic Errors in the Emergency Department: A Systematic Review. » 2022.

Le diagnostic différentiel

5Kanjee Z et coll. « Accuracy of a Generative AI Model in a Complex Diagnostic Challenge. » JAMA, 2023.
6Goh E et coll. « Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. » JAMA Network Open, 2024.
7Tu T et coll. « Towards conversational diagnostic artificial intelligence. » Nature, 2025;642:442-450. doi:10.1038/s41586-025-08866-7
8Screening for Missed Opportunities for Diagnosis in the ED Using eTriggers and Large Language Models. JAMA Network Open, 2026. Étude rétrospective, 288 rencontres sélectionnées dans neuf services d'urgence d'un même système de santé. doi:10.1001/jamanetworkopen.2026.20939

Limites, encadrement et positions officielles

9Omar M et coll. « Multi-model assurance analysis of hallucinations in medical LLMs. » Communications Medicine, 2025. doi:10.1038/s43856-025-01021-3
10Hallucinations de la transcription automatique. Proceedings of ACM FAccT, 2024. doi:10.1145/3630106.3658996
11Qazi H et coll. « Effect of flawed AI recommendations on physician diagnostic reasoning. » NEJM AI, 2026. doi:10.1056/AIoa2501001
12Déqualification des endoscopistes après exposition à l'IA. The Lancet Gastroenterology & Hepatology, 2025;10(10):896-903.
13Organisation mondiale de la Santé. « Ethics and governance of AI for health: Large multi-modal models. » 2024.
14Santé Canada. « Logiciel à titre d'instrument médical (LTIM) : définition et classification. » 2019.
15FDA. « Clinical Decision Support Software. » Guidance finale, 2026.
16Collège des médecins du Québec. « L'IA et la pratique de la médecine. »
18American Medical Association. « Augmented intelligence in medicine. »
19Loi 25 (Québec), décision fondée exclusivement sur un traitement automatisé.