Un développeur a testé les capacités d'analyse médicale de l'intelligence artificielle en utilisant le modèle Opus 4.8, intégré via l'environnement de développement Claude Code. Après avoir consulté un médecin pour des douleurs à l'épaule, il a reçu un diagnostic de déchirure partielle de grade III du tendon du sous-scapulaire et un protocole de traitement intensif. Méfiant face à la rapidité de la décision et aux recommandations thérapeutiques, il a soumis les fichiers d'imagerie au format DICOM à l'IA pour obtenir un avis secondaire. L'exploitation technique a nécessité l'utilisation de Claude Code afin de permettre au modèle d'exécuter des scripts, d'installer des bibliothèques de traitement d'images et de déployer une architecture multi-agents. Cette configuration permet à l'IA de croiser les analyses sans être influencée par le rapport humain initial. Après environ une heure de calcul, le premier rapport de l'IA a conclu à l'intégrité du tendon, contredisant directement l'évaluation du spécialiste. Pour arbitrer, l'utilisateur a fourni à l'IA le rapport médical ainsi que des informations complémentaires sur la douleur. La seconde itération a confirmé la première conclusion : absence de déchirure, présence uniquement d'une tendinose inflammatoire légère. Ce test met en lumière l'évolution des grands modèles de langage capables d'interpréter des données d'imagerie complexes lorsqu'ils sont couplés à des outils d'exécution de code. L'utilisation d'agents autonomes permet de réduire les biais contextuels et d'assurer une lecture plus indépendante des images médicales. Sur le plan technique, cela démontre que l'IA peut traiter des volumes importants de données structurées et non structurées, les comparer et générer des synthèses arbitrales en temps réel. Cependant, l'expérience soulève également des interrogations sur la fiabilité clinique et l'acceptation de ces outils par les professionnels de santé. Si l'intelligence artificielle s'avère efficace pour relire du code ou analyser des documents administratifs, son application en médecine nécessite des validations rigoureuses, une transparence algorithmique et une intégration sécurisée aux systèmes hospitaliers. L'auteur note que la technologie permet de détecter d'éventuelles erreurs de diagnostic ou des traitements prématurés, mais ne saurait remplacer le jugement d'un médecin. La question centrale reste celle de la confiance. Les prochaines itérations des modèles devront probablement combler un écart de précision et de robustesse pour atteindre un niveau de fiabilité comparable à celui des outils de validation documentaire actuels. En l'état, cette expérience technique illustre le potentiel prometteur de l'IA comme outil d'aide au raisonnement médical, tout en rappelant qu'elle doit rester strictement encadrée, annotée par des experts et soumise à une vérification humaine avant toute décision thérapeutique. L'évolution vers une adoption clinique large dépendra de la capacité des développeurs à garantir reproductibilité, explicabilité et sécurité des résultats générés.