En octobre 2016, à Toronto, Geoffrey Hinton, l'un des pionniers de l'apprentissage profond, estimait qu'il fallait arrêter de former des radiologues : d'ici cinq ans, peut-être dix, les algorithmes feraient mieux qu'eux. Dix ans plus tard, la France manque de radiologues, et ce n'est pas l'IA qui les a remplacés.
Ce que la prédiction a raté
En mai 2025, Hinton a reconnu dans le New York Times s'être trop concentré sur l'analyse d'images : l'IA, disait-il, rend surtout les radiologues bien plus efficaces. À la Mayo Clinic, souvent citée en exemple, le nombre de radiologues est passé d'environ 260 en 2016 à plus de 400 en 2025.
Lire une image n'est qu'une partie du métier. Le radiologue choisit l'examen et son protocole, compare aux examens antérieurs, rapproche l'image du contexte clinique, réalise des gestes guidés, échange avec le prescripteur et le patient, puis signe un compte rendu dont il répond.
En France, le problème est le manque de radiologues
La DREES comptait 9 342 radiologues au 1er janvier 2025, un effectif en hausse de 0,6 % sur un an. Selon la FNMR, environ 20 % des postes seraient vacants en libéral, et un tiers à l'hôpital. Le dernier chiffre national sur les délais d'IRM date de 2018 : 32 jours en moyenne, plus de 50 dans certaines régions, quand le Plan cancer visait 20 jours.
La question utile devient donc : où l'IA rend-elle du temps au radiologue ?
Ce que l'IA sait déjà faire
Le résultat le plus solide vient du dépistage du cancer du sein. L'essai suédois MASAI a comparé une lecture assistée par IA à la double lecture habituelle. Son analyse intermédiaire, publiée en 2023 dans The Lancet Oncology sur 80 033 femmes, montrait autant de faux positifs (1,5 % dans les deux groupes), un peu plus de cancers détectés (6,1 pour 1 000 contre 5,1) et une charge de lecture réduite de 44 %.
Le résultat final, publié dans The Lancet en janvier 2026 sur 105 934 femmes, porte sur les cancers d'intervalle, ceux qui apparaissent entre deux dépistages : 1,55 pour 1 000 avec l'IA, contre 1,76 sans. L'IA fait au moins aussi bien, sans que sa supériorité soit démontrée. L'essai a aussi ses limites : un seul pays, un seul type de mammographe, un seul logiciel et des lecteurs expérimentés.
Même dans ce cas favorable, l'IA ne lit pas seule : elle trie et signale, et un radiologue décide.
Ce que dit le droit
Un logiciel d'IA qui aide au diagnostic est un dispositif médical. Au titre du règlement européen 2017/745, il relève au moins de la classe IIa : il passe par un organisme notifié et porte le marquage CE. Le règlement européen sur l'intelligence artificielle le classe en outre parmi les systèmes à haut risque, soumis à une surveillance humaine.
En France, l'article L.4001-3 du code de la santé publique, issu de la loi de bioéthique de 2021, impose au professionnel qui utilise un dispositif médical à apprentissage automatique de s'assurer que le patient en est informé, et au concepteur de rendre son fonctionnement explicable.
La Société française de radiologie demande, de son côté, un usage « raisonné » de l'IA : l'outil ne doit ni remplacer le radiologue, ni servir à compenser le manque de radiologues.
Rédiger n'est pas diagnostiquer
Toutes les IA de radiologie ne font pas la même chose. Une IA d'aide au diagnostic détecte, mesure ou classe une anomalie. Une IA d'aide à la rédaction ou à l'organisation prépare un compte rendu, transcrit une dictée ou remplit un planning, sans proposer de diagnostic. C'est l'usage déclaré par le fabricant qui détermine, au cas par cas, la qualification réglementaire.
Celia Lab travaille sur ce second terrain. Nova prépare le brouillon du compte rendu et surligne ce dont il n'est pas sûr ; le radiologue relit, corrige et signe. Nova ne pose pas de diagnostic. Il n'a pas de marquage CE à ce jour, et sa qualification réglementaire n'est pas encore arrêtée.
Pour juger un outil d'IA, demandez ce qu'il fait exactement, quel est son statut réglementaire, et qui signe à la fin.
Sources : Creative Destruction Lab (conférence de G. Hinton, 2016) ; The New York Times (mai 2025) ; DREES (effectifs au 1er janvier 2025) ; FNMR ; étude Cemka-Eval pour le Snitem (2018) ; The Lancet Oncology (2023) et The Lancet (2026), essai MASAI ; règlement (UE) 2017/745 et guide MDCG 2019-11 ; article L.4001-3 du code de la santé publique ; SFR (avril 2023).