IA et consultations médicales – opportunités et risques des outils comme ChatGPT et Claude
Et si les consultations médicales ne démarraient plus dans la salle d’attente, mais dans la fenêtre de chat d’une IA?
Aujourd’hui, l’intelligence artificielle est présente un peu partout dans le domaine médical [1]: du côté des patients, par exemple avec les montres et bracelets sportifs connectés ou encore les chatbots, mais aussi chez les professionnels pour l’analyse d’images en radiologie et même dans le diagnostic.
Pour préparer leur consultation avec le médecin, les patients utilisent surtout ce qu’on appelle des grands modèles de lan-gage (Large Language Models, LLM), comme ChatGPT et Claude, bien connus et accessibles à tous.
Que sont ces LLM et qu’implique leur utilisation pour les pa-tientes et patients? Découvrez comment les utiliser de manière pertinente, tout en ayant conscience de leurs limites – et pour-quoi il est essentiel de toujours rester attentif et réceptif quand vous êtes chez le médecin.
Que sont les grands modèles de langage?
Les «Large Language Models» (LLM), ou grands modèles de langage, sont des modèles mathématiques capables de générer des textes de manière autonome grâce à des calculs de probabilité complexes. Ils sont entraînés à partir d’immenses lots de données, à savoir tous les textes accessibles, notamment via Internet.
Opportunités et risques des LLM
Les LLM peuvent vous aider à collecter des informations: classer des symptômes, formuler des questions ou expliquer des termes médi-caux. Cela en fait un outil précieux avant ou après des consultations médecin-patient.
Mais les LLM présentent aussi des risques, ce qui exige de les utiliser avec prudence. Et parmi ces risques, le fait est que les LLM ne savent pas tout. Une vaste étude a montré que dans environ 32% des cas, les LLM pouvaient se laisser tromper par des données erronées.
Par ailleurs, l’IA peut produire ce que l’on appelle des «hallucinations» [4], à savoir des informations fausses, mais formulées dans un langage si fluide et convaincant qu’elles paraissent vraies.
Les biais jouent également un rôle: certaines évolutions de maladie ou certains groupes de patients sont sous- ou surreprésentés, ce qui peut fausser les appréciations. [5]
S’ajoute enfin la question de la protection des données. Il est peu pru-dent de saisir à la légère des données personnelles de santé dans des outils d’IA, car leur traitement reste opaque. [4]
Défis particuliers: surcharge d’informations et manque de structure
La masse d’informations générée par les LLM peut très vite devenir écrasante. Sans structure ni accompagnement supplémentaire no-tamment, les contenus générés par l’IA peuvent renforcer les peurs au lieu de renseigner factuellement. [5]
Le manque de structure peut conduire à un paradoxe: avoir beaucoup d’informations en main, et pourtant se perdre dans la multitude des données lors de la consultation médecin-patient. [7] Les réponses de l’IA sont souvent longues, mal organisées et peu adaptées à une situa-tion concrète. Difficile alors de savoir quels éléments privilégier et quelles informations intégrer de manière utile dans la discussion.
Conclusion: l’IA peut vous aider avant et après la consultation médi-cale, mais seulement si vous restez vigilant
L’IA ne remplace pas la consultation médecin-patient. Cependant, elle peut apporter un soutien utile aux patientes et patients: se faire expli-quer clairement des termes techniques ou poser des questions sur des interactions médicales. Les diagnostics complexes ou les options thé-rapeutiques peuvent ainsi devenir plus accessibles.
Mais l’IA n’est utile que si vous savez rester vigilant et gardez toujours un regard critique sur la véracité des informations.
Autre point important, ne jamais se laisser submerger par le flot d’informations! En complément de l’IA, utilisez un outil comme EverAsk pour structurer vos questions et vos remarques avant une consultation médicale.
Grâce à EverAsk, les patients travaillent avec un cadre clair – objectifs, questions et notes. La structure a été développée en collaboration avec l’Hôpital universitaire de Bâle, à partir de modèles de communication éprouvés.
Au lieu de vous noyer dans les informations, structurez vos questions. Vous pourrez ainsi participer activement et faire entendre vos préoccupations.
Dans les situations de stress, elle évite ainsi de tomber dans une atti-tude passive. Vous restez capable d’agir et de réagir même sous pres-sion, continuez à poser des questions ciblées et prenez ainsi des déci-sions plus éclairées. [6]
Objectif: au lieu de vous noyer dans les informations, structurez vos questions. Vous pourrez ainsi participer activement et faire entendre vos préoccupations.
Encadré pratique: utiliser l’IA de manière sûre et pertinente
Les LLM sont là pour fournir des informations – EverAsk structure l’ensemble.
Les LLM sont là pour fournir des informations – EverAsk structure l’ensemble.
Gardez un regard critique sur les contenus proposés (mots-clés: hallucinations et biais):
- Utilisez plusieurs LLM et comparez leurs réponses.
- Vérifiez les références en ouvrant les liens indiqués – et s’il n’y en a pas, demandez des sources.
- Comparez les réponses importantes avec des sources d’information fiables.
- Utilisez la fonction «Deep Research» pour les questions importantes (option parfois payante).
Saisissez uniquement des informations anonymisées dans les LLM et les outils d’IA.
Utilisez la fonction de suivi d’EverAsk pour contrôler et consigner vos notes.
Clarifiez toujours les points en suspens avec votre médecin.
Citation de Peter Hug, responsable Services et Produits, membre du Comité directeur
Il y a peu encore, on consultait ‘Dr Google’, aujourd’hui ce sont ChatGPT & Co. On obtient vite une réponse plausible, mais reste à savoir si un diagnostic par IA est sûr ou non. D’un côté, c’est pratique, mais de l’autre, il faut rester vigilant, car toutes les sources ne sont pas fiables sur le plan médical. Nous recommandons donc à nos assurés d’utiliser le Symptom Checker sur l’app Well ou de recourir au service de télémédecine Medi24 par téléphone ou par chat (DoctorChat). Un avis médical professionnel et rapide est garanti – 7×24 et gratuitement.»
Sources
- Sprecher, F., Brauchbar, M., & Frey, S. „Künstliche Intelligenz (KI) im Schweizer Gesundheitswesen”: Studie KI im Schweizerischen Gesundheitswesen.pdf
- Hautz et al. (2025). Diagnoses supported by a computerised diagnostic decision support system versus conventional diagnoses in emergency patients (DDX-BRO): a multicentre, multiple-period, double-blind, cluster-randomised, crossover superiority trial. The Lancet Digital Health, 7(2):136-144.
- Hswen Y, Rubin R. (2025). An AI Chatbot Outperformed Physicians and Physicians Plus AI in a Trial—What Does That Mean? JAMA. 333(4):273–276.
- Bundesärztekammer: Thesenpapier „KI in der Gesundheitsversorgung”: https://www.bundesaerztekammer.de/fileadmin/user_upload/BAEK/Themen/Digitalisierung/Thesenpapier_KI_in_der_Gesundheitsversorgung_03.2025.pdf
- Hassan, N., Slight, R., Bimpong, K. et al. (2024). Systematic review to understand users perspectives on AI-enabled decision aids to inform shared decision making. npj Digit. Med. 7, 332.
- PMC (PubMed Central): „Implementation of AI in healthcare” https://pmc.ncbi.nlm.nih.gov/articles/PMC12287119/
Patientenprogramme und Compliance: Deutsches Gesundheitsportal (Studie): https://www.deutschesgesundheitsportal.de/wp-content/uploads/pdfs/patientenprogramme-unterstuetzen-therapietreue.pdf