La question ne relève plus uniquement de la prospective. Elle s’impose désormais dans le débat public à la suite des propos de Mitchell H. Katz, à la tête du plus grand réseau hospitalier public américain. En affirmant que l’intelligence artificielle pourrait remplacer « une grande partie » des radiologues dès maintenant, sous réserve d’ajustements réglementaires, le dirigeant a franchi un seuil. Le sujet n’est plus cantonné aux laboratoires de recherche ou aux conférences spécialisées : il s’invite dans la stratégie opérationnelle des systèmes de santé.
Cette prise de position s’inscrit dans un contexte où les outils d’analyse d’images médicales connaissent des progrès rapides. Les systèmes d’IA sont désormais capables d’identifier des anomalies, de comparer des milliers de cas similaires et de produire des alertes en quelques secondes. Une capacité qui correspond précisément aux contraintes de la radiologie moderne, marquée par des volumes d’examens en forte croissance et des délais de traitement sous pression.
La portée de cette déclaration tient autant à son contenu qu’à son origine. Lorsqu’un responsable hospitalier évoque publiquement un remplacement partiel des médecins par des algorithmes, il envoie un signal stratégique. La radiologie apparaît comme un terrain d’expérimentation privilégié pour une automatisation plus large des tâches médicales, en raison de la nature même de son activité.
La discipline repose en effet sur l’analyse d’images standardisées, issues d’examens reproductibles comme les radiographies, les scanners ou certaines mammographies. Cette structuration rend le travail en partie compatible avec les capacités actuelles de l’intelligence artificielle. Les algorithmes excellent dans la détection de motifs, la classification et l’identification d’anomalies, notamment dans des environnements où les données sont abondantes et homogènes.
Dans ce cadre, l’IA ne se limite plus à un outil d’assistance. Elle devient un filtre initial capable de trier les examens, d’écarter les cas jugés normaux et de signaler les situations nécessitant une attention particulière. Cette logique transforme profondément l’organisation du travail. Le radiologue n’est plus nécessairement le premier lecteur de l’image, mais peut intervenir en aval, pour valider, interpréter ou arbitrer les cas complexes.
Ce déplacement du rôle pose une question centrale : quelle part de la valeur médicale reste-t-elle entre les mains du praticien lorsque la machine traite l’essentiel du flux ? Le débat dépasse la seule question de l’emploi. Il touche à la nature même de l’expertise médicale, traditionnellement fondée sur l’expérience clinique, la capacité d’interprétation et la responsabilité individuelle.
L’argument économique pèse également dans cette évolution. Les systèmes hospitaliers, notamment publics, font face à des contraintes budgétaires croissantes. Dans ce contexte, l’IA est perçue comme un levier d’optimisation : réduction des coûts, accélération des diagnostics, amélioration de la productivité. L’automatisation partielle de la radiologie s’inscrit dans cette logique d’efficience.
Mais cette promesse s’accompagne de risques rarement exposés dans les discours institutionnels. La dépendance accrue aux algorithmes peut introduire des biais, amplifier des erreurs à grande échelle ou réduire la vigilance humaine. Une anomalie non détectée par un système automatisé pourrait passer inaperçue si le contrôle humain devient marginal. La question de la fiabilité ne se limite pas à la performance moyenne des outils, mais concerne leur comportement dans les cas atypiques, souvent les plus critiques.
Le cadre réglementaire constitue aujourd’hui le principal frein à une adoption plus radicale. Les technologies existent, mais leur déploiement à grande échelle reste conditionné par des règles encore inadaptées à ces usages. La responsabilité en cas d’erreur demeure un point de tension majeur. Si un diagnostic automatisé s’avère incorrect, la chaîne de responsabilité reste floue : éditeur du logiciel, établissement de santé, médecin superviseur.
Ce décalage entre innovation technologique et encadrement juridique crée une zone d’incertitude. Il ouvre la voie à des expérimentations locales, mais limite les décisions structurantes à l’échelle des systèmes de santé. Les autorités doivent arbitrer entre deux impératifs : sécuriser les pratiques et ne pas freiner une innovation susceptible d’améliorer l’accès aux soins.
La déclaration de Mitchell H. Katz agit ainsi comme un révélateur. Elle montre qu’une partie du secteur hospitalier ne considère plus l’intelligence artificielle comme un simple outil d’appoint, mais comme un acteur susceptible de redéfinir les équilibres professionnels. Cette évolution ne signifie pas une disparition imminente des radiologues, mais elle confirme une transformation profonde de leur rôle.
Le diagnostic médical entre dans une phase de recomposition. L’enjeu ne se limite pas à l’intégration de nouvelles technologies, mais à la redéfinition des responsabilités, des compétences et des modèles organisationnels. La radiologie, en première ligne, sert de laboratoire à une mutation qui pourrait, à terme, concerner d’autres spécialités.
La question centrale reste ouverte : jusqu’où déléguer l’analyse à la machine sans affaiblir la qualité du jugement médical ? La réponse dépendra moins des capacités techniques de l’IA que des choix collectifs qui encadreront son usage. Entre opportunité d’optimisation et risque de standardisation excessive, l’équilibre reste à construire.
