CNN 2015 surpasse les LLMs au diagnostic du cancer cutané

Dans un essai conduit par le dermatologue Magnus Lynch, un réseau de neurones spécialisé, fondé sur une architecture d’une dizaine d’années, a surpassé deux modèles de langage généralistes de pointe pour le diagnostic visuel de lésions cutanées cancéreuses ou bénignes. Le spécialiste a confronté GPT-6 Astra et Claude Fable 5.1, décrits comme des IA très performantes disponibles en octobre 2026, à une version affinée d’Inception v3, un réseau convolutif publié par Google en 2015 puis entraîné sur des images dermatologiques publiques. Le test reposait sur 200 lésions issues du jeu MILK10k, publié par l’International Skin Imaging Collaboration en 2025. Chaque lésion, confirmée par analyse histologique, était présentée sous deux formes : une photographie clinique et une image en dermoscopie, obtenue grâce à une loupe éclairante utilisée par les dermatologues. Trois systèmes devaient choisir, parmi six diagnostics possibles, le plus probable, donner un niveau de confiance, un second choix et décider si la lésion pouvait être renvoyée sans traitement, biopsie ou suivi. Les résultats donnent un avantage net au réseau spécialisé. Inception v3 a obtenu le bon diagnostic principal sur 125 des 200 lésions, soit 62 %, contre 84 réponses correctes pour GPT-6 Astra et 85 pour Claude Fable 5.1, soit environ 42 % chacun. En ajoutant le second choix, le réseau spécialisé a atteint 173 réponses justes, contre 134 et 138 pour les deux grands modèles. Il a identifié 13 des 30 mélanomes comme premier choix, contre 8 pour GPT-6 Astra et 11 pour Claude Fable 5.1. Il a aussi mieux reconnu les naevi et les kératoses séborrhéiques, avec respectivement 37 sur 50 et 26 sur 50. Le test souligne des erreurs de nature différente. GPT-6 Astra a surutilisé le diagnostic de carcinome basocellulaire, en appelant 75 lésions de ce type alors que seules 25 en étaient, dont 14 mélanomes. Claude Fable 5.1 a lui beaucoup conclu à des kératoses actiniques, avec 53 réponses pour seulement 20 vrais cas. Le réseau spécialisé a, lui, manqué plusieurs mélanomes en les prenant pour des naevi ou des kératoses séborrhéiques. L’essai montre aussi que la spécialisation et le type d’image comptent : le réseau a principalement reposé sur la dermoscopie, plus informative que la simple photo clinique. À l’inverse, posées comme des assistants patients avec seulement la photo clinique, les deux IA ont presque toujours recommandé de consulter, y compris pour des lésions bénignes, probablement par excès de prudence. Si le résultat est frappant, il reste expérimental. Le réseau utilisé est volontairement modeste, entraîné pendant environ vingt minutes sur des archives publiques, avec un contrôle méthodologique rigoureux pour éviter toute fuite de données. Il n’est pas un outil clinique approuvé, mais il suggère que pour des tâches visuelles étroites et bien encadrées, de petits réseaux spécialisés peuvent surpasser des modèles généralistes très récents, ce qui pourrait peser sur les stratégies d’IA en santé.