La radiologie est l’un des domaines médicaux où l’IA a été déployée le plus tôt et le plus massivement. Trois ans après les premiers déploiements en milieu hospitalier public, un bilan s’impose.
Ce que font concrètement ces outils
Les systèmes déployés dans les CHU de Lyon, Bordeaux et Strasbourg se concentrent principalement sur deux tâches : la détection de nodules pulmonaires sur scanner thoracique, et la détection de fractures sur radiographies standard.
Dans les deux cas, l’IA joue un rôle de filet de sécurité. Elle analyse l’image en parallèle du radiologue, et remonte une alerte si elle détecte quelque chose que le praticien n’a pas mentionné dans son compte rendu.
Les gains mesurés
Au CHU de Bordeaux, le taux de détection des nodules pulmonaires de moins de 6mm a progressé de 23% depuis l’introduction de l’outil, selon les données publiées par le service de radiologie thoracique en 2025.
Au CHU de Lyon, le temps de traitement des urgences radiologiques a diminué de 18% grâce à une priorisation automatique des cas critiques dans la file de lecture.
Les contraintes nouvelles
Les radiologues interrogés décrivent aussi des effets négatifs. Le premier est la surcharge cognitive liée aux fausses alertes. Un outil avec 95% de sensibilité sur 200 examens par jour génère mécaniquement 10 fausses alertes quotidiennes, chacune nécessitant une vérification.
Le second est juridique : en cas de litige, la question de la responsabilité partagée entre le praticien et le système n’est pas encore tranchée par la jurisprudence française.
Ce qu’on retient
L’IA améliore la détection dans des conditions mesurables, mais elle génère aussi du travail supplémentaire. Son bénéfice net dépend fortement du volume d’activité du service et de la qualité de son intégration dans le flux de travail.