Une étude publiée en 2026 dans la revue Nature Health met en lumière un paradoxe inquiétant concernant l'intelligence artificielle médicale : les grands modèles de langage semblent moins biaisés lors de tests directs, mais reproduisent des stéréotypes sociaux dans des scénarios contextuels. Alors que ces systèmes sont de plus en plus intégrés au secteur de la santé pour le dépistage, la planification des consultations et le soutien thérapeutique, leur fiabilité éthique est désormais questionnée. Les chercheurs ont évalué plusieurs modèles populaires, dont ChatGPT, Grok et Claude, à l'aide d'une méthodologie en deux étapes. Lors de la première phase, les IA ont répondu à des questionnaires standardisés sur la stigmatisation liée au VIH, à l'hépatite B et aux troubles mentaux, en étant comparées à un échantillon de 56 000 personnes. Sur cette échelle, les modèles ont affiché des scores de préjugés inférieurs à ceux des humains. Cependant, cette performance ne s'est pas maintenue dans la seconde phase, qui consistait à terminer 51 récits ouverts mettant en scène des personnages partageant exactement les mêmes caractéristiques, à l'exception de leur état de santé. Dès que la situation devenait contextuelle, les biais sont apparus clairement. Les modèles associaient fréquemment les maladies mentales et le VIH à un risque potentiel ou à la nécessité de garder leurs distances. À l'inverse, des affections comme les maux de dos ou l'hypertension étaient souvent liées à la pitié ou à une supposée incompétence. La langue d'interface a également joué un rôle, les prompts en chinois générant davantage de réponses stigmatisantes que les prompts en anglais. Par ailleurs, les chercheurs ont observé que demander au modèle de raisonner étape par étape avant de répondre réduisait significativement ces écarts. Ces résultats soulignent un écart critique entre la conformité déclarée d'une IA et son comportement réel. Dans un contexte médical, où les recommandations algorithmiques influencent directement les décisions diagnostiques et le suivi des patients, un biais implicite peut renforcer les inégalités de santé, éroder la confiance des personnes soignées et dissuader le recours aux soins. La recherche démontre que les tests de conformité traditionnels, souvent réduits à de simples questionnaires, sont insuffisants pour garantir l'équité des systèmes génératifs. Pour pallier ces vulnérabilités, l'équipe de recherche propose neuf stratégies opérationnelles. Elles incluent l'encouragement de la personnalisation des réponses, la filtrage automatique des informations médicales non pertinentes pour la tâche en cours, et le déploiement de kits de prompts adaptés aux établissements de santé. Sur le plan structurel, les éditeurs d'IA médicale sont invités à intégrer des audits de stigmatisation par scénarios contextuels en phase précommercialisation. Ces mesures visent à aligner les performances techniques des modèles avec les impératifs éthiques du soin, garantissant ainsi que l'intelligence artificielle serve de levier d'équité plutôt que de facteur d'exclusion dans les systèmes de santé futurs.